神经几何细节水平：使用隐式3D曲面进行实时渲染

神经符号距离函数（SDF）逐渐成为3D形状的有效表示形式。 SDF使用位置函数对3D曲面进行编码，该函数会将最接近的距离返回到曲面。最先进的方法通常使用固定大小的大型神经网络对SDF进行编码，以近似显示具有隐式表面的复杂形状。然而，渲染这些大型网络在计算上是昂贵的，因为对于每个像素它需要通过网络进行许多前向传递，这使得这些表示对于实时图形应用是不切实际的。我们引入了一种有效的神经表示，这首次实现了高保真神经SDF的实时渲染，同时实现了最先进的几何重构质量。我们使用基于八叉树的特征量表示隐式曲面，该特征量可自适应地拟合具有多个离散细节水平（LOD）的形状，并通过SDF插值实现连续的LOD。通过进一步查询稀疏八叉树遍历所需的LOD，我们进一步开发了一种有效的算法，可以直接实时实时呈现新的神经SDF表示。我们表明，与以前的作品相比，在渲染速度方面，我们的表示效率提高了2-3个数量级。此外，它可以在3D几何和2D图像空间指标下为复杂形状提供最新的重建质量。