CVPRMar, 2023

DyLiN: 让光场网络变得动态

PDF
TL;DR本文提出了动态光场网络（DyLiN）和可控动态光场网络（CoDyLiN）方法，其中动态光场网络可以处理包括拓扑变化在内的非刚性变形。我们通过预先训练的动态辐射场进行知识蒸馏，评估表明 DyLiN 在视觉保真度方面优于最先进的方法，并且在计算速度上快 25-71 倍。CoDyLiN 在属性注释数据上表现优异。
light field networksdynamic light field networknon-rigid deformationsknowledge distillationcodylin
发现论文，激发创造
  • 使用射线模型导数的卷积神经辐射场方法进行新视角综合

    本研究提出了一种基于卷积神经辐射场的方法来解决现有方法中存在的问题，在新颖视角综合方面取得了显著的结果。

    Jul, 2023

  • D-NeRF：用于动态场景的神经辐射场

    本文提出了 D-NeRF 方法，将神经辐射场扩展到动态领域，允许从单个相机围绕场景重建和渲染对象的新图像。通过将时间作为系统的额外输入，并将学习过程分为两个主要阶段，可以同时学习两个映射，实现控制相机视图和时间变量以及物体移动的目的。

    Nov, 2020

  • Point-DynRF: 单目视频中的基于点的动态辐射场

    通过引入点云动态辐射场（Point-DynRF）的新框架，该论文解决了动态辐射场几何一致性仅限于相邻输入帧的问题，并通过训练神经点云和动态辐射场的全局几何信息和体积渲染过程来优化辐射场和几何代理，从而相互补充。实验证明了该方法的有效性。

    Oct, 2023

  • Light Field Networks: 单次计算渲染的神经场景表示

    本文提出了一种新型的神经场景表示法，Light Field Networks (LFNs)，其可实现基于单一神经网络评估的 360 度四维光场参数化的几何和外观，通过元学习优化 LFNs 的先验使其能够从单个图像观察中实现多视角一致的光场重建，从而实现了实时渲染，并能够从 LFNs 中提取稀疏深度图。

    Jun, 2021

  • 使用光线空间嵌入网络学习神经光场

    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

  • 利用分布驱动神经辐射场的动态场景可分离新视角合成

    通过神经辐射场来区分整个动态场景中的背景分布并从静态背景中抽取出对象， 从而提供高质量的视图合成和 3D 解决方案。

    Jan, 2023

  • LiDAR4D: 动态神经场用于新颖时空视角 LiDAR 合成

    基于 LiDAR 的 LiDAR4D 框架，通过 4D 混合表示和几何限制，实现了具有几何感和时间一致性的动态重构技术。

    Apr, 2024

  • 单目视频下动态场景的非刚性神经辐射场重建和新视角合成

    该论文提出了一种新的非刚性动态场景重建和新视角合成方法 ——NR-NeRF，该方法能够使用一个便携式消费级相机拍摄到的动态场景的 RGB 图像创建高质量的时空几何和外观表示，并且可以生成复杂的渲染场景。

    Dec, 2020

  • R2L: 将神经辐射场精炼为神经光场以实现高效的新视角合成

    本文介绍一种新的深度残差 MLP 网络用于学习 Neural Light Field（NeFL），通过从预训练的 NeRF 模型中转移知识进行数据精馏，以此消除 NeRF 的迭代采样问题，在合成和现实场景下的实验结果表明，与其他算法相比，我们的方法在节省计算资源和提高渲染质量方面具有明显的优势。

    Mar, 2022

  • 鲁棒动态辐射场

    本研究中，我们介绍了一种新方法，通过联合估计静态和动态辐射场以及相机参数来解决使用 SfM 算法估计相机姿态时的不稳定性问题，实验证明此方法比现有的动态视图合成方法表现优异。

    Jan, 2023