Apr, 2022

高斯激活辐射场用于高保真重建和姿态估计

PDF
TL;DR本文介绍了一种新的基于高斯激活函数的神经辐射场模型 ——Gaussian Activated neural Radiance Fields（GARF），该模型不需要先验的相机位姿信息，且在高保真重建和位姿估计方面性能优于当前的最先进技术。
neural radiance fieldscamera posegaussian activated neural radiance fieldsnovel views synthesishigh fidelity reconstruction
发现论文，激发创造
  • GNeRF：基于 GAN 的神经辐射场无需姿态相机

    提出了 GNeRF 框架，将生成对抗网络（GAN）与神经辐射场（NeRF）重建结合起来，应用于复杂场景的视角合成。该框架通过两个阶段的端到端优化，解决了较少研究的未知相机姿态外部场景问题，并在多种场景中取得了优异的效果。

    Mar, 2021

  • BARF: 捆绑调整神经辐射场

    本文提出了 Bundle-Adjusting Neural Radiance Fields (BARF) 用于训练 NeRF 从不完美（甚至未知）相机姿态学习神经 3D 表示，并展示了其在视图合成和定位视频序列方面的应用。

    Apr, 2021

  • SPARF: 稀疏且有噪声姿势的神经辐射场

    这篇论文提出了一种基于多视角几何约束、利用稀疏输入视角和深度一致性损失函数的方法: Sparse Pose Adjusting Radiance Field (SPARF)，以在仅有少数宽基线输入图像的情况下 (尽低至 3 张)，实现新视角合成，同时在多个具有挑战性的数据集上取得了新的最先进结果。

    Nov, 2022

  • RaFE: 生成辐射场修复

    我们提出了一种名为 RaFE 的通用辐射场修复流程，适用于各种类型的退化，如低分辨率、模糊、噪声、压缩伪影等，通过利用 2D 修复方法恢复多视角图像，并使用生成对抗网络（GANs）进行 NeRF 生成来更好地适应几何和外观的不一致性，展示了在量化和定性评估中优于其他特定单一任务的 3D 修复方法的卓越性能。

    Apr, 2024

  • 基于隐式姿态正则化的无姿态神经辐射场

    IR-NeRF 通过引入隐式姿态正则化来改善对真实图像的姿态估计鲁棒性，实现了卓越的新视角合成，并在多个合成和真实数据集上持续优于现有技术。

    Aug, 2023

  • 神经表达辐射场

    我们提出了一种新的可变形三维表达方式 —— 神经关节光辐射场（NARF），该模型可以从图像中学习人工对象的运动姿态，并实现姿态的收放自如。NARF 不仅具有充分的可训练性和不可分性，而且还能够在多个实例的对象类中学习出外观的变化。实验证明，该方法高效可行、泛化能力强，并且代码已开源。

    Apr, 2021

  • 捆绑调整神经辐射场的局部到全局配准

    本文提出了一种基于像素灵活对齐以及帧级约束参数对齐的局部到全局检测方法 L2G-NeRF，该方法能够成功解决通过细节学习的 3D 表示及相机对齐的约束因素对神经辐射场的应用所带来的巨大限制。

    Nov, 2022

  • GANeRF: 利用判别器优化神经辐射场

    采用生成对抗网络对神经辐射场（NeRF）进行优化，修复 3D 场景重建中存在的照明、采样等问题，从而实现更高质量的渲染。

    Jun, 2023

  • 从多视角几何学中学习神经辐射场

    MVG-NeRF 组合了传统的多视角几何算法和神经辐射场 (NeRF) 用于基于图像的三维重建。我们提出使用像素级深度和法线来引导 NeRF 优化，以提高所估计表面的质量。实验结果表明，该方法可以从图像中获取干净的三维网格，同时在新视角合成方面具有竞争力的表现。

    Oct, 2022

  • CBARF：基于级联的绑定调整神经辐射场技术在不完全相机位姿下的应用

    我们提出了一种新颖的三维重建框架 CBARF，通过级联更新相机姿态和使用邻近替换策略来优化姿态和合成新视角，实验结果表明 CBARF 在姿态优化和新视角合成方面取得了最先进的性能。

    Oct, 2023