项目16： 多种神经网络三维重建算法的复现与对比

陈旺(PB22071364)¹ 林度(PB22000178)² 杨锦坤(JL24112302)³

¹数学科学学院2022级 ²少年班学院2022级 ³计算机科学与技术学院2023级

指导老师：刘利刚

项目简介：

三维重建是从二维图像恢复三维场景结构的过程，是计算机视觉和图形学中的重要研究方向。近年来，基于神经网络的方法在三维重建领域取得了显著进展。本项目复现了三种不同的基于神经网络的三维重建算法：Neural 3D Mesh Renderer，Splatter Image和Oblique-MERF，并对它们的原理、实现和性能进行比较。Neural 3D Mesh Renderer通过从单张图像生成3D网格，适用于图像较少的3D建模，Oblique-MERF优化了NeRF方法，针对多图像倾斜摄影数据提升了渲染效率和质量，Splatter Image 则介于两者之间，虽然舍弃了严格的3D网格结构，但是经过训练后仍可以用很少的数据还原出非常不错的效果。

项目视频：

下载专区：

• 项目文件和报告链接：课程资料网盘

项目分工：

• 陈旺：Oblique-MERF相关代码实现，以及Oblique-MERF部分报告内容的撰写。

• 林度：Neural 3D Mesh Renderer ,Splatter Image算法阅读及相关报告撰写。

• 杨锦坤：Splatter Image相关代码实现，相关论文的查找和阅读。

感想与不足：

• 未能完全复现Neural 3D Mesh Renderer算法。

• 本次复现并未从头实现底层逻辑，而是更侧重于结合代码理解论文的实现原理。由于使用了较多开源代码，我们对实现细节的熟悉程度仍有所欠缺，以后可以更深入的了解代码细节。

• 由于能力不够，没能对开源的代码进行改进。

致谢：

• 感谢刘老师开设的图形学课程，回首这几个月的学习历程，您为我们打开了一扇通往计算机图形学奇妙世界的大门。从最基础的图形绘制原理，到复杂的渲染技术，每节课程都使我们的代码能力和对图形学的理解大幅提高。

• 感谢助教的用心准备和耐心指导，还有同学们的帮助和鼓励。