Aug, 2023

SceNeRFlow: 时间一致的普适动态场景重建

PDF
TL;DR利用 SceNeRFlow 提出了一种基于 dynamic-NeRF 方法的时间一致的方式来重建非刚性场景，通过将形状和外观的变形分解成粗糙和微弱的两个组成部分，使得该方法可以处理大范围的运动，并且可以重建大规模运动场景。
4d reconstructionnon-rigid scenetime consistencydynamic-nerf methodstudio-scale motions
发现论文，激发创造
  • 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

  • Sync-NeRF: 将动态 NeRF 推广到异步视频

    利用时间偏移量优化神经辐射场（NeRF）算法来实现对动态场景的重建，解决了单一潜在嵌入对非同步视频帧的不适应性，并在不同基线上取得了显著的改进。

    Oct, 2023

  • NeRFDeformer: 通过 3D 场景流实现从单个视角到 NeRF 的转换

    提出一种基于单个非刚性变换版本的观察自动修改 NeRF 表示的方法，并通过加权线性融合定义变换为 3D 流，使用对表面上定义的 3D 锚点的刚体变换进行融合。引入了一种新的对应算法，首先匹配基于 RGB 的配对，然后利用多视角信息和 3D 重投影来强大地过滤误报，通过单个观察深入研究了 NeRF 场景修改问题，并展示了优于 NeRF 编辑方法和基于扩散的方法的性能，并探索了不同的对应过滤方法。

    Jun, 2024

  • 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

  • 基于时间连贯性的动态场景通用重建

    该论文介绍了一种不需要先验知识的方法，利用多视角相机从复杂动态场景中获取 4D 的、时间相干的场景模型的无监督重构，并通过应用于自由视角渲染和虚拟现实中，改善了非刚性对象分割和形状重构的精度。

    Jul, 2019

  • 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

  • FED-NeRF：在动态 NeRF 上实现高度 3D 一致性和时间连贯性的人脸视频编辑

    本文提出了一个基于动态人脸 GAN-NeRF 结构的新型人脸视频编辑架构，通过利用视频序列来恢复潜在编码和三维人脸几何信息，实现多视角一致性和时序一致性的人脸视频编辑，成为先驱性的 4D 人脸视频编辑器，并在性能上超过现有的基于 2D 或 3D 的方法。

    Jan, 2024

  • 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

  • 复杂动态场景的时空一致性四维重建

    本文介绍了一种重建 4D 时间连续场景模型的方法，该方法使用多个移动相机进行重建，可以重建动态或静态物体，同时将稀疏 - 稠密时序对应与联合多视角分割和重建结合使用，利用时间上的连续性克服了视觉歧义，并通过引入测地线星凸性的约束实现了具有鲁棒性的动态物体分割和重建。

    Mar, 2016

  • 神经轨迹场用于动态新视角合成

    本论文提出了 DCT-NeRF，一种基于坐标的神经表示方法，用于动态场景的高质量重建，它学习空间中每个点的平稳和稳定轨迹，并强制执行序列中任意两帧之间的一致性。

    May, 2021