散射介质中的神经辐射场
本研究提出了一种改进的水下三维重建系统,通过视频增强、关键帧选择、位姿估计和神经辐射场等技术,解决了水下场景的图像质量问题,并实现了快速、高质量的三维重建。
Dec, 2023
本研究提出了 WaterHE-NeRF,通过水下光线传输与 Retinex 理论相结合,在三维空间中准确编码颜色、密度和光亮衰减,生成模糊和清晰的多视角图像,并通过组合重建损失和 Wasserstein 距离进行图像恢复优化,同时使用直方图均衡化作为伪 GT 增强网络准确性。实验证明了 WaterHE-NeRF 在真实水下和合成数据集上的有效性。
Dec, 2023
我们提出了一种基于 NeRF 的方法,通过三个步骤解决了传统 NeRF 在透明对象方面的局限性。首先,使用可视外形重建透明对象的三维形状。其次,根据斯涅尔定律模拟透明对象内部的光线折射。最后,通过折射光线采样点,并将其放入 NeRF 中。实验结果表明,我们的方法解决了传统 NeRF 在处理透明对象方面的限制。
Dec, 2023
该研究提出了 NeRFReN,它是基于 NeRF 的,能够建模带有反射的场景,并将场景分为透射和反射组件,用单独的神经辐射场来建模两个组件,以实现高质量的新视图综合和深度估计结果。
Nov, 2021
基于 NeRF 的模型方法,针对含玻璃展柜的场景,提出了一种可以更准确地建模玻璃折射和整体场景的方法。该方法通过对玻璃表面和直接反射光成分进行分离和建模,实现了对多个玻璃物体的准确建模。
Nov, 2023
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
我们提出了一种新的通用方法,用于阴影感知的多视角卫星摄影测量。我们的建议方法是采用隐式体积表示学习中的最新进展。通过训练 Shadow Neural Radiance Field (S-NeRF) 模型,我们能够实现对场景进行 3D 形状估算、阴影检测和透明物体过滤,而不需要任何显式形状监督。
Apr, 2021
该论文提出了一种基于光线追踪的方法来解决 Neural Radiance Fields(NeRFs)在渲染高光物体时的困难,并成功合成了真实世界场景中的光泽外观和反射,同时优化和渲染速度与当前状态 - of-the-art 视图合成模型相当。
May, 2024
Neural Radiance Field (NeRF) is a framework representing a 3D scene with MLP, achieving state-of-the-art photorealistic image renderings for view synthesis and expanding capabilities to generate views from dynamic scene representations with fewer images for training.
Apr, 2023