ICCVAug, 2023

HollowNeRF: 使用可训练的碰撞调整修剪基于哈希网格的 NeRF

PDF
TL;DRHollowNeRF 是一种针对基于哈希网格的 NeRF 的新型压缩解决方案，通过在训练阶段自动稀疏化特征网格，并利用交替方向乘子法（ADMM）稀疏 3D 显著性蒙版，以改进渲染质量，同时仅使用与可比较最先进的解决方案相当的参数的一小部分，从而实现更好的成本 - 精度平衡。
neural radiance fieldsnerfhollownerfhashgrid-basedspatial sparsity
发现论文，激发创造
  • MF-NeRF：混合特征哈希表的内存高效 NeRF

    本研究提出了一种混合特征哈希表的内存高效的 NeRF 框架，可以改善内存利用率和减少训练时间，同时保持重建质量。实验结果表明，在相同的 GPU 硬件上，与 Instant-NGP、TensoRF 和 DVGO 等最先进的方法相比，MF-NeRF 在训练时间上能够获得更快的速度，且重建质量相似甚至更高。

    Apr, 2023

  • 神经 NeRF 压缩

    该论文提出了一种针对基于网格的 NeRF 模型的效率压缩方法，使用非线性变换编码范式和神经压缩对模型的特征网格进行压缩，引入重要性加权的失真率目标和利用掩蔽机制的稀疏熵模型以利用潜在特征网格的空间不均匀性，实验证明该方法在基于网格的 NeRF 压缩效率和重建质量方面优于现有工作。

    Jun, 2024

  • CAwa-NeRF：即时学习压缩感知的 NeRF 特征

    通过引入压缩感知型 NeRF 特征，该研究实现了在模型训练结束时导出经过压缩的特征网格，极大地减小了存储空间占用，而且不需要改变存储架构或原始 INGP 论文中的参数。

    Oct, 2023

  • 大城市场景的网格引导神经辐射场

    该研究提出了一个新的框架用于实现对大型城市场景的高保真渲染，该框架运用了一种简化的多分辨率地面特征平面表示来捕捉场景，并通过另一个 NeRF 分支的位置编码输入进行补充，以联合学习的方式进行渲染。

    Mar, 2023

  • DistGrid：具有分布式多分辨率哈希网格的可扩展场景重建

    基于多分辨率哈希格方法的可扩展场景重建方法，通过划分大型场景、消除背景 NeRF，并利用分割体积渲染方法处理跨边界射线，实现了更高质量、更可扩展的场景重建。

    May, 2024

  • 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

  • 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

  • 超平面：用于快速 NeRF 自适应的超网络方法

    提出了一种基于超网络范例的少样本学习方法，通过从训练数据中收集信息并生成通用权重的更新，实现了从少量图像中一步生成高质量的 3D 物体表示的高效方法。通过与最先进的解决方案进行直接比较以及全面的剔除研究，证实了该方法的有效性。

    Feb, 2024

  • Zip-NeRF: 基于格点的反锯齿神经辐射场

    使用渲染和信号处理中的思想，将 mip-NeRF 360 和基于网格的模型相结合，使误差比之前的技术低 8%-76%，并且训练速度比 mip-NeRF 360 快 22 倍。

    Apr, 2023

  • MultiPlaneNeRF: 具有非可训练表示的神经辐射场

    本文介绍了 MultiPlaneNeRF 模型，该模型可从 2D 图像中直接产生非可训练的表示，并可通过大量数据的训练来实现推广，以及在生成新视角方面达到业界领先水平。

    May, 2023