要点:
1、物体级别的三维表面重建技术面临挑战，需要独立的三维表示以支持细粒度的场景建模和理解。
2、O²-Recon利用预训练的扩散模型补全图像中物体被遮挡的区域，然后用神经隐式表面场从补全后的图像中重建完整的三维物体。
3、O²-Recon能重建出更准确、更完整的三维结构，支持大角度的旋转和平移，可以用于各种下游任务。
站长之家(ChinaZ.com) 12月29日 消息:清华大学团队提出了O²-Recon方法，利用2D扩散模型补全图像中被遮挡的物体，然后通过神经隐式表面场重建完整的三维物体。在现有方法的基础上，O²-Recon能够更准确地重建三维结构，并支持大角度的旋转和平移，具有广泛的应用前景。
论文链接:https://arxiv.org/abs/2308.09591
该方法的关键在于利用预训练的扩散模型来补全图像中被遮挡的区域，并结合少量的人机交互来保证遮挡区域的准确性。通过这种方式，O²-Recon能够重建出合理且一致的图像内容，并最终重建出完整且合理的三维物体模型，支持大角度的旋转和平移，可以用于各种下游任务。
与其他方法相比，O²-Recon能够更准确、更完整地重建三维结构，具有更广泛的应用前景。该方法的提出为物体级别的三维表面重建技术带来了新的突破，有望在AR/VR/MR以及机器人等领域得到广泛应用。