NeuOctree：基于稀疏八叉树的神经显式3D表面表示

现有的神经 3D 表示方法通常分别处理连续表面建模、高效图像合成或针对特定对象的压缩。它们无法同时提供光线追踪所需的显式表面查询，以及能够跨对象预测的结构化输出空间。 我们提出 NeuOctree，这是一种神经显式表示方法，可直接预测光线是否与表面相交及其交点位置，并同步输出法向量与反照率（albedo）。NeuOctree 在稀疏八叉体素（octree voxel）的角点上存储共享特征，并将其插值至连续的局部场中。一个带有循环相交引导采样机制的轻量级解码器会对预测表面附近的每个查询进行细化，从而实现无需网格提取或纹理烘焙的直接表面渲染，并支持开放且非封闭（non-watertight）的几何结构。 相同的八叉树结构既支持紧凑的逐对象优化，也支持共享的八叉树 CNN，后者可直接从彩色点云构建可渲染资产，而无需逐对象拟合。 在七种网格与四种存储预算下，NeuOctree 在 28 次对比中的 24 次取得了最低的位置误差，同时保持了具有竞争力的法向精度，并在联合几何-外观重建方面显著优于 N-BVH 和 VQAD。该前馈模型仅需 0.05 秒即可构建表示，并能在无需重新训练的情况下实现从 Objaverse 到 ShapeNet 的迁移。 我们进一步展示了光线追踪渲染与图像条件生成能力，证明 NeuOctree 为神经推理与直接表面渲染提供了一个统一的输出空间。代码开源地址：this https URL。