SG SRNs超像素引导场景表示网络

近年来，由于其连续和轻量级的场景表示能力，场景表示网络(SRNs)在计算机视觉中越来越受到关注。但是，SRNs在低纹理图像区域的表现通常较差。为解决这一问题，我们在本文中提出了超像素指导的场景表示网络，称为SG-SRNs，由一个背景模块(SRNs)、一个超像素分割模块和一个超像素正则化模块组成。在所提出的方法中，除了新颖的视图合成任务外，还通过所提出的超像素分割模块实现了表示感知超像素分割蒙版生成任务。然后，超像素正则化模块利用超像素分割蒙版来指导背景以局部平滑的方式学习，并优化局部区域的场景表示，以间接地减轻低纹理区域的结构失真，这是以自监督的方式进行的。在我们构建的数据集和公开的Synthetic-NeRF数据集上的大量实验结果表明，所提出的SG-SRNs实现了明显更好的3D结构表示性能。