View-Dependent Octree-based Mesh Extraction in Unbounded Scenes for Procedural Synthetic Data

程序化合成数据生成在计算机视觉领域受到越来越多的关注。程序化符号距离函数（SDF）是建模大规模详细场景的强大工具，但现有的网格提取方法存在着限制其用于合成数据的伪影或性能问题。我们提出了 OcMesher，一种网格提取算法，可以有效处理高细节无界场景，并具有完美的视图一致性，易于导出到下游实时引擎。我们解决方案的主要创新点是一种基于给定 SDF 和多个相机视角构建八叉树的算法。我们进行了广泛的实验，并展示了我们的解决方案可以产生更好的合成数据，用于训练和评估计算机视觉模型。

提出一种处理大规模、高细节场景的网格提取算法，以解决合成数据生成中的问题。

通过基于给定的有符号距离函数和多个相机视角构建八叉树的算法，实现高效处理大规模场景的网格提取，并保证视角一致性。

论文提出的算法能够处理大规模、高细节的场景，并且保证视角一致性，易于导出到实时引擎中。作者进行了大量实验，并展示了该算法产生更好的合成数据，可用于计算机视觉模型的训练和评估。

近年来，关于合成数据生成的研究越来越多。在网格提取方面，已有一些相关的研究，如Marching Cubes算法、Dual Contouring算法等。