Mesh Synthesis Based on Neural Radiance Fields

Neural Radiance Fields (NeRFs) are a recently developed volume representation that enables novel view synthesis using neural networks. NeRFs rendering process is very slow when compared to traditional mesh rendering techniques. This is why this thesis examines the quality of meshes generated using NeRF and NeRF derivatives, and compares them with traditional Structure from Motion and Multi-View Stereo reconstruction techniques. To measure the quality of the reconstructions, the similarity of the generated meshes to reference models is assessed. In addition, the speed at which the meshes are generated is also taken into consideration. Results show that NeRFs can effectively be used to automatically extract high quality meshes from images, with better performance than traditional mesh reconstructions.

Neural Radiance Fields (NeRFs) sind eine kürzlich entwickelte Volumen-Darstellung, die das Erstellen neuartiger Ansichten mithilfe von neuronalen Netzwerken ermöglicht. Der NeRF-Rendering-Prozess ist im Vergleich zu traditionellen Mesh-Rendering-Techniken sehr langsam. Aus diesem Grund untersucht diese Arbeit die Qualität der mit NeRFs und NeRF-Ableitungen erzeugten Meshs und vergleicht sie mit traditionellen Structure from Motion und Multi-View Stereo Rekonstruktionstechniken. Um die Qualität der Rekonstruktionen zu messen, wird die Ähnlichkeit der erzeugten Meshs mit Referenzmodellen bewertet. Darüber hinaus wird auch die Geschwindigkeit berücksichtigt, mit der die Meshs erzeugt werden. Die Ergebnisse zeigen, dass NeRFs effektiv zur automatischen Extraktion von hochwertigen Meshs aus Bildern verwendet werden können und eine bessere Leistung als traditionelle Mesh-Rekonstruktionen aufweisen.