SDFDiff：3D形状最適化をための符号付き距離関数の微分可能レンダリング

本稿では、符号付き距離関数（SDF）によって表現される3次元形状の微分可能レンダリングを用いた、画像に基づく形状最適化の新規手法SDFDiffを提案する。他の表現方法と比較して、SDFは任意のトポロジーを持つ形状を表現可能であり、かつ水密な表面を保証するという利点を持つ。本手法を多視点3次元再構成問題に適用したところ、高い再構成精度を達成し、3次元オブジェクトの複雑なトポロジーを正確に捉えることが可能となった。さらに、多解像度戦略を導入することで、堅牢な最適化アルゴリズムを実現した。また、SDFに基づく微分可能レンダラが深層学習モデルと統合可能であることを示し、3次元ラベルなしの環境下でも3次元オブジェクトに対する学習アプローチの可能性を広げた。特に、単一視点からの3次元再構成に本手法を適用し、最先端の性能を達成した。