GeoSVR: Управление разреженными вокселями для геометрически точного восстановления поверхности

GeoSVR: Taming Sparse Voxels for Geometrically Accurate Surface Reconstruction

September 22, 2025

Авторы: Jiahe Li, Jiawei Zhang, Youmin Zhang, Xiao Bai, Jin Zheng, Xiaohan Yu, Lin Gu

cs.AI

Аннотация

Реконструкция точных поверхностей с использованием полей излучения достигла значительного прогресса в последние годы. Однако преобладающие подходы, в основном основанные на гауссовом сплайнинге, всё чаще сталкиваются с ограничениями, связанными с репрезентационными узкими местами. В данной работе мы представляем GeoSVR, явную воксельную структуру, которая исследует и расширяет недостаточно изученный потенциал разреженных вокселей для достижения точной, детализированной и полной реконструкции поверхностей. В качестве преимуществ, разреженные воксели способствуют сохранению полноты покрытия и геометрической ясности, хотя при этом возникают и соответствующие сложности, связанные с отсутствием ограничений сцены и локальностью в уточнении поверхностей. Для обеспечения корректной сходимости сцены мы сначала предлагаем ограничение глубины на основе воксельной неопределенности, которое максимизирует эффект монокулярных подсказок глубины, одновременно представляя воксельно-ориентированную неопределенность для предотвращения ухудшения качества, что позволяет эффективно и надежно накладывать ограничения на сцену, сохраняя при этом высокую геометрическую точность. Затем разработана регуляризация поверхности на основе разреженных вокселей, которая улучшает геометрическую согласованность для мелких вокселей и способствует формированию четких и точных поверхностей на основе вокселей. Многочисленные эксперименты демонстрируют превосходство нашего подхода по сравнению с существующими методами в различных сложных сценариях, выделяясь в геометрической точности, сохранении деталей и полноте реконструкции при сохранении высокой эффективности. Код доступен по адресу https://github.com/Fictionarry/GeoSVR.

English

Reconstructing accurate surfaces with radiance fields has achieved remarkable progress in recent years. However, prevailing approaches, primarily based on Gaussian Splatting, are increasingly constrained by representational bottlenecks. In this paper, we introduce GeoSVR, an explicit voxel-based framework that explores and extends the under-investigated potential of sparse voxels for achieving accurate, detailed, and complete surface reconstruction. As strengths, sparse voxels support preserving the coverage completeness and geometric clarity, while corresponding challenges also arise from absent scene constraints and locality in surface refinement. To ensure correct scene convergence, we first propose a Voxel-Uncertainty Depth Constraint that maximizes the effect of monocular depth cues while presenting a voxel-oriented uncertainty to avoid quality degradation, enabling effective and robust scene constraints yet preserving highly accurate geometries. Subsequently, Sparse Voxel Surface Regularization is designed to enhance geometric consistency for tiny voxels and facilitate the voxel-based formation of sharp and accurate surfaces. Extensive experiments demonstrate our superior performance compared to existing methods across diverse challenging scenarios, excelling in geometric accuracy, detail preservation, and reconstruction completeness while maintaining high efficiency. Code is available at https://github.com/Fictionarry/GeoSVR.