计算机应用

作者：薛苏玲, 何金旭, 魏文洁, 何荧荧, 娄路

单位：重庆交通大学 信息科学与工程学院，重庆 400074

关键词：隐式神经表面,三维重建,截断符号距离场,动态占用网格,光度一致性约束

针对隐式神经表面（NeuS）重建中密集采样及体积渲染导致的效率与精度失衡问题，提出一种快速高效的重建方法。首先，采用动态占用网格结合密度阈值的方法来优化筛选有效采样点，从而降低冗余计算和内存占用；其次，融合多分辨率哈希编码和截断符号距离场（TSDF），以通过截断距离约束和哈希特征插值来增强梯度稳定性与抗噪能力；最后，引入光度一致性约束来利用归一化交叉相关（NCC）优化跨视角几何一致性，从而提高表面重建的质量。实验结果表明：在仿真数据集Nerf-Synthetic上，所提方法的训练时间相较于神经辐射场（NeRF）缩短了98.8%；虽比采用CUDA （Compute Unified Device Architecture）加速的Instant-NGP （Instant Neural Graphics Primitives）长，但表面重建质量得到明显提升。在真实数据集DTU上，该方法的表面重建误差倒角距离（CD）和新视角合成指标峰值信噪比（PSNR）优于大多数现有方法，较Instant-NGP分别降低了1.21 mm和提高2.93 dB；虽略逊于Neuralangelo （CD提升0.02 mm、PSNR降低2.05 dB），但是训练耗时相较于Neuralangelo缩短了97.5%。可见，该方法能够有效提升训练效率且保证重建精度，实用性好，适用于复杂结构场景的高效三维重建。

来源：2026年第3期

《计算机应用》期刊编辑部

查看计算机应用杂志2026年第3期