Aug, 2023

快速NeRF构图与渲染的一般性隐式框架

HTML
PDF
TL;DR我们提出了一种通用的隐式管线，可以快速组合 NeRF 对象，并通过允许任意刚体变换来无缝地放置和渲染多个 NeRF 对象。我们引入了一种称为 Neural Depth Fields（NeDF）的新表面表示，通过允许射线与隐式表面之间的直接相交计算快速确定对象之间的空间关系。我们的方法是第一个同时实现渐进和互动式 NeRF 对象组合的方法，也是现有 NeRF 工作的预览插件。
发现论文，激发创造
  • 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

  • NeRF详解：学习采样进行视图合成

    作者提出了基于可微分不可视模块的NeRF-ID方法，该方法可以优化粗到精的采样策略，得到比NeRF和当前最先进算法更好的视图合成质量，并且显著降低计算时间。

    Jun, 2021

  • 朝着稳健的NeRF评估框架

    本文介绍了一个新的测试框架以专门用于评估神经辐射场（NeRF）模型的性能，该框架通过训练和评估NeRF的显式辐射场表示来解耦神经渲染网络和NeRF管道，并提出了一种配置方法来生成特定于评估目的的表示形式。我们还提出了一种新的指标来衡量该框架的任务复杂性，该指标考虑到了视觉参数和空间数据的分布。

    May, 2023

  • BeyondPixels：神经辐射场演变的综合综述

    本文综述了近年来神经辐射场（NeRF）技术在3D渲染和视角合成领域的最新研究进展和其不同的架构设计。

    Jun, 2023

  • 具有阴影指导的NeRF合成

    本文提出了一种叫做NeRF综合的新任务，利用NeRF补丁范例的结构内容构建大尺寸的新辐射场，我们提出了一种两阶段的方法来综合新场景，控制场景的照明效果采用阴影指导而不是分离场景，我们表明了我们的方法可以生成高质量的结果，对曲面上的新场景进行综合，增强了我们所提出的NeRF综合方法的实用性。

    Jun, 2023

  • 自适应多NeRF：利用自适应多尺度神经辐射场渲染中的高效并行性

    通过将场景自适应地细分为轴对齐的包围盒，并使用树层次结构方法将较小的NeRF分配给不同大小的子空间，该论文提出了一种有效的适应性多NeRF方法，以加速针对复杂场景的神经渲染过程，以实现对特定场景部分的精细神经表示。

    Oct, 2023

  • 金字塔神经辐射场PyNeRF

    通过在不同空间网格分辨率上训练模型头部，我们对基于网格的模型进行简单修改，以实现容易的扩展，提高渲染质量和性能效率。

    Nov, 2023

  • 分而治之：重新思考神经辐射场的训练范式

    通过将输入视图按照其视觉相似性划分为多个组，并在每个组上训练单独的模型，然后通过教师-学生蒸馏范式将这些专门模型的知识聚合为一个实体，我们重新设计了NeRF的训练范式，提高了其渲染质量并实现了空间效率。

    Jan, 2024

  • 基于神经辐射场的视觉渲染方法综述

    近年来，神经辐射场（NeRF）在计算机视觉和图形领域取得了显着进展，为解决3D场景理解、新视角合成、人体重建、机器人等关键任务提供了强有力的技术支持。本文对过去两年内关于NeRF的研究文献进行了深入分析，在详细阐述NeRF核心架构的基础上，讨论了NeRF的各种改进策略，以及在不同应用场景中的案例研究，展示了其在不同领域的实际应用价值。同时，本文还详细介绍了NeRF模型训练所需的关键资源，最后提出了关于NeRF未来发展趋势和潜在挑战的前瞻性讨论，旨在为该领域的研究人员提供研究灵感，促进相关技术的进一步发展。

    Mar, 2024

  • NeRF-Casting：改进的视角相关外观与一致反射

    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