Jeong Joon Park、Peter Florence、Julian Straub、Richard Newcombe 与 Steven Lovegrove 提出 DeepSDF,用一个带隐编码的前馈网络学习连续符号距离函数(signed distance function,SDF),来表示一整类三维形状。论文作为 CVPR 2019 会议论文 发表,收入 Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition,页码 165–174,DOI 为 10.1109/cvpr.2019.00025。官方主页写明会议在加州长滩举行,工作坊与教程在 6 月 16 日至 17 日,主会是 6 月 18 日至 20 日。发表日取主会首日 2019-06-18,不用工作坊与教程日,也不用 OpenAlex 或 IEEE 的 2019-06-01 占位日期,更不用 arXiv 挂出日。本轮未从官方节目单核到该篇的 Oral、Poster 或 Best Paper,只按会议论文著录。对照以已下载的 10 页 CVF 官方 PDF 为准,不以 arXiv:1901.05103 替代,也不把这篇写成 Occupancy Networks 或 SIREN。本轮重查 OpenAlex,会议版记录为 W2909750748,截至 2026-11-21 引用约为 5302。作者单位按 PDF 为华盛顿大学、麻省理工学院和 Facebook Reality Labs;页脚写明 Park 与 Florence 是在 Facebook 实习期间完成这项工作。
把符号距离函数直接做成连续的生成模型
图像上常用的深度卷积一扩到第三维,空间和时间开销会迅速变大;三角网格或四边形网格在训练时又要面对顶点数不定、拓扑任意的问题。传统的符号距离函数可以用解析式或离散体素来表示单个形状的表面:场中一点的绝对值是到表面的距离,符号表示在内部(负)还是外部(正),零等值面就是边界。常见的表面重建还会先把这个场采样到规则网格上再做去噪。DeepSDF 的做法不同,它直接学习一个能生成连续距离场的模型,因而隐式地把边界写成网络的零水平集,同时又明确地把空间分成形状内部和外部。与经典 SDF 通常只表示单个形状不同,这里一个网络可以表示一整类形状。
不必为每种输入单独设计编码器,直接优化隐向量
对单个目标形状,可以把空间点及其 SDF 值组成训练对,用多层全连接网络去回归,损失是截断后的 ,截断距离取 ,用来把网络容量集中在表面附近。训练好后,零等值面可用光线投射或移动立方体抽出,法向还可以通过对查询点反向传播解析计算。要把许多形状放进同一个低维隐空间,作者给网络再输入一个隐向量 ,与查询点拼接。他们没有训练编码器,而是采用所谓自解码器(auto-decoder):每个训练形状配一个随机初始化的隐向量,和网络权重一起用反向传播更新。隐向量的先验取为零均值各向同性高斯,以得到更紧凑的形状流形。测试时解码器权重固定,只对给定观测做最大后验估计,优化出最合适的 。网络是八层全连接,内部层宽 512,带 dropout 和 ReLU,输出用 tanh 回归 SDF;他们发现批归一化不稳定,改用权重归一化,优化器用 Adam。这一设定不必为点云、网格或八叉树等不同三维输入单独设计编码器。
在已知形状、未知形状和残缺补全上都做了比较
训练数据来自合成的水密网格,例如 ShapeNet。每个网格先归一化到单位球,再在表面附近更密地采样约 50 万个空间点及其符号距离。评测覆盖三类:记住训练集中的已知形状、表示没见过的同类形状,以及从部分深度或带噪声点云做补全。对比方法包括 AtlasNet(25 个平面或球面参数化)、OGN 等体素或八叉树占用方法,以及补全任务上的 3D-EPN。作者强调,所提模型大约只要 7.4 MB 就能表示整类形状,例如数千把椅子,还不到一张未压缩 位图 16.8 MB 的一半。定量结果上,DeepSDF 在已知和未知形状的倒角距离、Earth Mover 距离和网格精度等指标上整体更好;定性上看,AtlasNet 的 25 平面版本会在椅子靠背等处丢掉细结构,球面版本又受拓扑限制,沙发和飞机表面还可能出现破洞。补全任务里,DeepSDF 能从单张深度图或带噪声的点云补出完整表面,并给出可用的表面法向。隐空间里把两把椅子插值,扶手等部位会沿隐空间近似线性过渡,说明嵌入是连续的。
推断要对隐向量做优化,物体还需在规范姿态下
DeepSDF 把复杂拓扑和封闭表面表示得很细,模型体积也比许多当时的占用网格方法小一个数量级。代价同样清楚:补全时要对隐向量做显式优化,推断比一次前向更慢;当前模型假定物体处于规范姿态,若要在真实场景中补全,还需要对 变换做优化,这会进一步增加推断时间。作者还指出,要把带有动力学和纹理的可能场景空间写进同一个嵌入,仍然是有待探索的困难。对照覆盖这 10 页会议正文和参考文献;官方页面另有补充材料,未并入对照。