Jul, 2023

Strivec：稀疏三向量辐射场

PDF
TL;DR提出了一种名为 Strivec 的新型神经表示方法，将 3D 场景建模为稀疏分布且紧凑分解的局部张量特征网格辐射场，并使用 CANDECOMP/PARAFAC（CP）分解和多尺度张量网格来实现对几何和外观的发现与利用，优于之前的方法并使用更少的参数。
strivecneural representationradiance fieldtensor decompositionmulti-scale tensor grids
发现论文，激发创造
  • TensoRF: 张量辐射场

    TensoRF 采用 4D 张量模型和基于 CP 分解和 VM 分解等技术去重构辐射场，实验结果表明在提高渲染质量的同时保持较小模型大小和更短的重构时间。

    Mar, 2022

  • Tetra-NeRF: 使用四面体表示神经辐射场

    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。

    Apr, 2023

  • TensoIR：张量反渲染

    TensoIR 是一种新的反渲染方法，基于张量分解和神经场，它可以从多视角图像中估计场景几何，表面反射和环境照明，从而实现逼真的新视角合成和重照结果。

    Apr, 2023

  • 利用神经辐射场实现实时视图合成

    该论文提出了一种名为 Sparse Neural Radiance Grid 的新方法，它使用学习的稀疏体素网格表示，通过对神经辐射场（Neural Radiance Fields）进行预处理和存储（烘焙）来实现实时渲染。通过该方法，可以在以往的基础上保留了 NeRF 渲染精细几何细节和视图相关外观的能力，实现在普通硬件上进行实时渲染。

    Mar, 2021

  • TeTriRF：用于高效自由视角视频的时域三平面辐射场

    本研究提出了 Temporoal Tri-Plane Radiance Fields（TeTriRF），通过引入三平面和体素网格的混合表示方法，支持长时序列和场景的大规模扩展，并使用现成的视频编解码器，实现与现有技术相比一个数量级的存储空间减小，同时保持高压缩率和竞争性的质量。

    Dec, 2023

  • CVT-xRF：基于对比度的体素内变压器用于稀疏输入的 3D 一致辐射场

    当使用稀疏输入进行训练时，神经辐射场（NeRF）通常遇到密度或颜色预测错误的问题，本文提出了一种新的方法来改善 NeRF 在稀疏输入情况下的性能，通过模拟三维空间场的一致性，并采用体素光线采样策略和 Transformer 进行渲染。实验证明该方法显著改善了稀疏输入设置下的性能，并与其他方法相当。

    Mar, 2024

  • Simple-RF: 用更简单的解决方案规范稀疏输入辐射场

    通过设计较为简化的能力增强模型，我们观察到较好的深度监督效果，进而提高稀疏视图下的主要辐射场的视图合成性能。

    Apr, 2024

  • 基于体素格优化的辐射场重建：超快收敛

    我们提出了一种超快速收敛的方法，通过从拍摄场景的一组图像中重建场景辐射场来最新的视点合成，该方法采用密度体素网格表示场景几何和 shallow network 表示复杂的视角相关的外观，同时采用了后激活插值和一些先验约束技术，从而使训练时间缩短到 15 分钟以内，并达到了前沿的质量水平。

    Nov, 2021

  • 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

  • 神经稀疏体素场

    本文介绍了一种新的神经场景表示方法 NSVF，它定义了一组体素界限的隐式场，通过稀疏体素八叉树组织，从一组姿态的 RGB 图像中逐步学习底层体素结构，并通过跳过不包含任何相关场景内容的体素来加速渲染新视角，可轻松应用于场景编辑和场景组合。

    Jul, 2020