摘要
在单视图RGB-D输入的3D重建领域已经取得了显著进展。MCC是该领域的当前最先进方法，通过结合视觉Transformer和大规模训练实现了前所未有的成功。然而，我们发现了MCC的两个关键局限：1）Transformer解码器在处理大量查询点时效率低下；2）3D表示难以恢复高保真细节。本文提出了一种新的方法——NU-MCC，以解决这些局限。NU-MCC包含两项关键技术革新：邻域解码器（Neighborhood decoder）和排斥无符号距离函数（Repulsive Unsigned Distance Function, Repulsive UDF）。首先，我们的邻域解码器引入了中心点作为输入视觉特征的有效代理，使得每个查询点仅关注一个小邻域。这一设计不仅大大提高了推理速度，还能够利用更细粒度的视觉特征来改善3D纹理的恢复效果。其次，我们提出的排斥UDF是MCC中使用的占据场（occupancy field）的一种新颖替代方案，显著提升了3D物体重建的质量。与标准UDF在结果中存在空洞的问题相比，我们的排斥UDF能够实现更完整的表面重建。实验结果表明，NU-MCC能够学习到强大的3D表示，在单视图3D重建方面大幅推进了现有技术水平。特别是在CO3D-v2数据集上，NU-MCC在F1分数上比MCC高出9.7%，且运行速度超过5倍。