Mar, 2021

Mip-NeRF: 用于抗锯齿的多尺度神经辐射场表示

HTML
PDF
TL;DR使用连续值比特映射扩展NeRF,可以高效地渲染反锯齿锥体,提高了表现精细细节的能力,缩小了占用空间,降低了平均误差率
发现论文，激发创造
  • NeRF++：分析和改进神经辐射场

    通过NeRF的方法来实现对于图像的View Synthesis, 本文提到了NeRF的成功之处以及在应用于大规模无界三维场景中进行改进，使其在360°的拍摄模式下提高拍摄质量。

    Oct, 2020

  • Mip-NeRF 360：无界防锯齿神经辐射场

    本研究提出了一种名为 mĩp-NeRF 360 的模型，通过应用非线性场景参数化、在线蒸馏和一种新的基于畸变的正则化器，克服了 3D 场景中存在的挑战，在高度复杂的未限定真实世界场景中减少了均方误差 57％，能够提供逼真的合成视图和详细的深度图。

    Nov, 2021

  • Zip-NeRF:基于格点的反锯齿神经辐射场

    使用渲染和信号处理中的思想，将 mip-NeRF 360 和基于网格的模型相结合，使误差比之前的技术低8%-76%，并且训练速度比 mip-NeRF 360 快22倍。

    Apr, 2023

  • 实时反走样神经渲染的多尺度表示

    本文介绍了一种名为 Mip-VoG 的新的多尺度渲染技术，采用四线性插值将 3D 场景中的位置映射到其特征和密度。相比传统的 NeRF 和 Mip-NeRF 方法，Mip-VoG 在同时提高多尺度训练和实时抗锯齿渲染方面具有更好的性能。

    Apr, 2023

  • 分析神经辐射场的内部结构

    介绍了一种利用基于MLP的NeRFs及其proposal network samplers加速的方法，该方法可以在不改变训练协议或架构的情况下，将所需计算的时间减少了50%，同时对渲染质量的影响微乎其微。

    Jun, 2023

  • BeyondPixels：神经辐射场演变的综合综述

    本文综述了近年来神经辐射场（NeRF）技术在3D渲染和视角合成领域的最新研究进展和其不同的架构设计。

    Jun, 2023

  • MIMO-NeRF：多输入多输出神经辐射场的快速神经渲染

    通过使用多输入多输出NeRF（MIMO-NeRF）和自监督学习方法，我们提出了一个新的解决方案来加速神经辐射场（NeRF）的渲染速度，并且与前沿技术相兼容。

    Oct, 2023

  • 自适应多NeRF：利用自适应多尺度神经辐射场渲染中的高效并行性

    通过将场景自适应地细分为轴对齐的包围盒，并使用树层次结构方法将较小的NeRF分配给不同大小的子空间，该论文提出了一种有效的适应性多NeRF方法，以加速针对复杂场景的神经渲染过程，以实现对特定场景部分的精细神经表示。

    Oct, 2023

  • 金字塔神经辐射场PyNeRF

    通过在不同空间网格分辨率上训练模型头部，我们对基于网格的模型进行简单修改，以实现容易的扩展，提高渲染质量和性能效率。

    Nov, 2023

  • Mip-Grid: 神经辐射场的抗锯齿网格表示

    本文介绍了一种名为mip-Grid的方法，它将消除深度学习模型渲染过程中的锯齿状失真问题与快速训练相结合的网格表示技术，通过生成多尺度的网格并使用尺度感知坐标检索不同尺度的特征，大大提高了渲染性能和训练速度。

    Feb, 2024