nv-tlabs/NKSR

解決的問題

NKSR 解決了從大規模、稀疏且雜訊嚴重的點群中重建高品質 3D 隱式表面的挑戰。它特別克服了以往神經核表示方法的限制，能在保持對雜訊的穩健性之同時，處理跨度達數公里的超大場景與數百萬個點。

工作原理

該系統基於 Neural Kernel Fields (NKF)，並採用幾項關鍵技術改進：

• 緊支撐核：使用僅在局部起作用的核函數，從而能利用記憶體效率高的稀疏線性求解器，實現對大規模環境的擴展。
• 梯度擬合：實現梯度擬合求解，確保重建結果對輸入資料中的雜訊具有穩健性。
• 靈活訓練：從密集的有向點中學習，使模型能混合來自尺度截然不同之物件與場景的訓練資料。
• 外存處理：能處理超出可用記憶體的超大場景，透過外存方式分塊處理。

適用對象

本工具專為從事 3D 計算機視覺、機器人與數位雙生的研究人員與開發者設計，適用於需要將原始、雜訊嚴重的點群資料（如 iPhone 掃描或 LiDAR 資料）轉換為乾淨 3D 網格的場景。

主要亮點

• 高可擴展性：可在單張消費級 GPU（RTX 3090）上重建跨越數公里、包含數百萬點的場景。
• 快速性能：可在數秒內完成數百萬點的重建。
• 廣泛應用：在單一物件、室內場景與室外環境中均被證明有效。
• 強泛化能力：具備出色的泛化能力，可在新資料上以極低的訓練成本運行。