Nov, 2021

DIVeR: 用于体渲染的实时和准确的神经辐射场，采用确定性积分

PDF
TL;DRDIVeR 使用确定性方法替代随机性，使用 MLP 从每个体素的特征中估算渲染积分的组成部分，并进行汇总，从而生成可以在自然方式下编辑的体素基础场，这使其能够更好地渲染细胞透明结构。
3d object modelsvolume renderingnerfvoxel fieldrendering integral
发现论文，激发创造
  • 快速神经辐射场重建的体积特征渲染

    本研究提出了将本应在神经网络评估后再进行渲染的颜色，改为直接渲染出射线查询的特征向量，从而大幅降低了神经网络评估的复杂度和计算开销，并取得了较好的渲染质量。

    May, 2023

  • 基于体素格优化的辐射场重建：超快收敛

    我们提出了一种超快速收敛的方法，通过从拍摄场景的一组图像中重建场景辐射场来最新的视点合成，该方法采用密度体素网格表示场景几何和 shallow network 表示复杂的视角相关的外观，同时采用了后激活插值和一些先验约束技术，从而使训练时间缩短到 15 分钟以内，并达到了前沿的质量水平。

    Nov, 2021

  • 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

  • 神经辐射场中方向性积分的再思考

    我们通过对 NeRF 渲染方程进行简单修改，交换积分操作符和方向解码器网络，将视角相关的特征与独立部分分开，提高了渲染视角相关效果的质量，并通过实验证明了改进。

    Nov, 2023

  • 混合神经渲染：自适应体积表面的高效神经渲染

    使用混合的神经辐射场（HybridNeRF）方法，将大多数对象作为表面渲染，同时以体积化的方式对挑战性区域进行建模，以提高视图合成的质量和实时性。

    Dec, 2023

  • TermiNeRF: 针对高效神经渲染的光线终止预测

    本文提出了一种使用直接映射从相机光线到沿着光线最有可能影响像素最终外观的位置的方法，从而实现比标准方法快一个数量级的体积渲染神经网络模型的渲染、训练和微调，同时避免了在多个点上查询体积网络以呈现图像的过程时间缓慢的问题。与现有的方法不同的是，我们的方法适用于一般的体积，并且可以进行端到端的训练。

    Nov, 2021

  • 分而治之：重新思考神经辐射场的训练范式

    通过将输入视图按照其视觉相似性划分为多个组，并在每个组上训练单独的模型，然后通过教师 - 学生蒸馏范式将这些专门模型的知识聚合为一个实体，我们重新设计了 NeRF 的训练范式，提高了其渲染质量并实现了空间效率。

    Jan, 2024

  • DeLiRa: 自监督深度、光照和辐射场

    本文提出使用自监督深度估计文献中的多视角光度目标作为几何正则化器来对体积渲染进行改进，并使用变压器来显式建模场景几何形状和深度，并展示了这种方法的性能。通过共享潜在编码信息，无需增加网络复杂度，越过单任务学习的局限性，实现了针对受限视角多样性的高质量体积渲染和实时新视角和深度合成的任务，并在 ScanNet 基准测试中实现了最先进的结果。

    Apr, 2023

  • VoxNeRF：连接体素表示和神经辐射场，用于增强室内视角合成

    VoxNeRF 是一种利用体积表示增强室内视图合成质量和效率的新方法，通过构建结构化场景几何并将其转换为基于体素的表示，以及采用独特的基于体素引导的高效采样技术，成功地提高了视图合成的效果。VoxNeRF 在速度上甚至超越了 Instant-NGP，推动了该技术向实时化发展。

    Nov, 2023

  • UNISURF：统一神经隐式曲面和辐射场用于多视角重建

    该研究通过统一的方式制定了表面和体渲染，从而使得无需任何输入蒙版即可实现准确表面重建，并通过实验证明其能够在各方面都优于 NeRF 方法并与 IDR 方法相媲美。

    Apr, 2021