本文提出了一种紧凑且直接预测射线上积分辐射度的新型神经光场表示方法,支持小基线光场数据集每像素一次网络评估的渲染,并可应用于大基线场景。
Dec, 2021
该研究提出了一种使用 PlenOctrees 进行神经辐射场(NeRFs)实时渲染的方法,以支持视角相关的效果,该方法可在保证渲染质量的情况下渲染 800x800 像素以上的图像,并能在 150 FPS 以上的速度下运行。
Mar, 2021
通过引入八叉树结构以不同比例表示场景,将传统的基于网格的细节层次技术扩展到神经辐射场,提供了数学简洁、优雅的表示,同时保持渲染空间复杂度为 O (log n)。同时,我们提出了一种新的训练策略,保证了方法的可扩展性和效率,既扩展了现有技术的能力,又为使用 NeRF 和八叉树结构进行可扩展、高效的大规模场景表示奠定了基础。
Mar, 2024
提出一种新的逆向渲染框架,能够从一组 RGB 图像中联合重建场景几何、空间变化的材料和 HDR 照明,并支持物理场景操作,例如射线跟踪阴影投射。
Apr, 2023
本篇论文提出了一种新的方法,通过将 NeRFs 融合为可与高度并行的图形渲染管线完全兼容的高效网格神经表示,使用屏幕空间卷积,来提高外观的质量和整个框架的表现。
该论文介绍了一个名为 UE4-NeRF 的神经渲染系统,专门用于实时渲染大规模场景,并通过将场景分区并进行顶点优化、与 UE4 的光栅化流水线相结合等方法,实现了在 4K 分辨率下以每秒 43 帧的帧率进行实时渲染,并获得了与最先进方法相媲美的渲染质量。
Oct, 2023
通过对动态模型中的压缩引入的伪影进行深入分析,并利用所得的见解提出一种改进的表示方法,特别是提出了一种根据基于 Fourier 的压缩来适应底层体渲染过程的传递函数特征的新密度编码,从而显著减少动态模型中的伪影。此外,通过对训练数据的扩充来放松压缩的周期性假设。在合成和真实场景的定量和定性评估范围内展示了增强的 Fourier PlenOctrees 的有效性。
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
该论文提出了一种新颖的自适应表示方法,即基于四面体和 Delaunay 表示的方法,用于 Neural Radiance Fields,该方法在视角合成和三维重建方面具有最先进的结果。
通过将自编码器与 NeRF 相结合,我们提出了一种潜空间 NeRF,可以在渲染速度提高三倍的同时减少视觉伪影,从而产生更高质量的新视图,可用于实现高效且高保真的 3D 场景表示,特别适用于需要保持可微性的机器人学场景。