动态神经辐射场只需时间插值

CVPRFeb, 2023

Temporal Interpolation Is All You Need for Dynamic Neural Radiance Fields

Sungheon Park, Minjung Son, Seokhwan Jang, Young Chun Ahn, Ji-Yeon Kim...

TL;DR提出了一种基于时间插值的方法来训练动态场景的时空神经辐射场以及两种特征插值方法 (基于神经网络和网格)，其中网格表示法的训练速度比之前的基于神经网络的方法提高了 100 倍以上。

Abstract

temporal interpolation often plays a crucial role to learn meaningful representations in dynamic scenes. In this paper, we propose a novel method to train spatiotemporal neural radiance fields of dynamic scenes b

temporal interpolation spatiotemporal neural radiance fields feature interpolation neural networks grid representation

发现论文，激发创造

具有时间感知的快速动态辐射场神经体素

介绍了一种称为 TiNeuVox 的辐射场框架，通过时间感知体素特征表示场景，进一步强化了时间信息，提出了多距离插值方法，以模拟小和大的动作，加快了动态辐射场的优化，并在合成和真实场景上经过实证评估，表现出与之前动态 NeRF 方法相似甚至更好的渲染性能。

May, 2022

稀疏输入的神经辉度场的协调网络与张量特征的协同集成提升

本研究提出一种将多平面表达与基于坐标的网络协同整合的方法，在处理稀疏输入的静态和动态神经辐射场时，实现了与显式编码相媲美的效果，且参数更少。

May, 2024

用于四维视图合成和视频处理的神经辐射流

我们提出了一种称为神经辐射流（NeRFlow）的方法，可以从一组 RGB 图像中学习动态场景的 4D 时空表示，使得不需要多个相机拍摄即可实现多视角渲染，同时可用作视频处理任务的隐式场景先验。

Dec, 2020

自由视点视频的时空神经辐照场

该研究提出了一种从单个视频学习动态场景的时空神经辐射场的方法，能实现自由视角渲染输入视频。该学习方法建立在最近关于内隐表示的进展之上，利用视频深度估计方法的场景深度来约束我们的动态场景表示的时变几何，将单个帧中内容聚合为一个全局表示，并提供了广泛的定量评估和引人注目的自由视点渲染结果。

Nov, 2020

多视点视频的神经三维视频合成

提出了一种新的 3D 视频合成方法，使用神经辐射场表示动态实景，并使用一种紧凑的表现方式，能够高质量地合成视图和插值运动，其动态场景建模方法在视角合成和动态场景表示方面都表现良好。

Mar, 2021

基于时间变化表示和动态神经辐射场的追踪和建图

本研究提出了一种时间变化的表示方法，用于跟踪和重建动态场景，并使用动态选择策略的神经辐射场结合同时定位和建图框架，实现了更有效的动态建图方法。

Oct, 2023

宁静之云：用神经网络学习点云时空相干特征

研究介绍了一种用于 Lagrangian 形式下的点云的机器学习方法，该方法可以学习稳定和具有时间相关性的特征，以解决在这些方法中存在的固有问题，例如点云形成的 halo 结构。

Jul, 2019

神经场景编年史

本文旨在从互联网照片中重建一个可呈现照片逼真效果、拥有独立控制视角、照明和时间的三维模型。我们使用一种新的场景表示，并提出了一种新的时态步函数编码方法，可以将离散场景级内容变化建模为时间上的分段常函数，从而实现了对视角、时间和照明的独立控制。

Jun, 2023

实时动态视角合成的时空高斯特征喷洒

提出了一种新的动态场景视图合成方法，通过引入时间、运动和旋转参数增强了三维高斯函数，使用神经特征进行渲染，同时在具有挑战性的区域中利用训练误差和粗略深度进行高分辨率、实时渲染，并保持紧凑存储。

Dec, 2023

用神经场景流场进行动态场景的时空视图合成

提出了一种使用神经场地理概念表示动态场景，并利用单目视频生成新视角和时间合成的方法。通过神经网络优化新的场景流场来适应观测输入视角，并在复杂动态场景中表现出较好的性能。

Nov, 2020