本文介绍了一种使用深度神经网络进行视图综合和图像合成的方法,通过连续的体积场函数来优化复杂场景的视图,并在神经辐射场方面取得了最新的研究成果。
Mar, 2020
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
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
NeRF-SR是一种高分辨率、低分辨率输入的新视角综合解决方案,基于神经放射场,利用超采样策略和改进网络,在没有外部信息的情况下,实现了高质量的新视角合成。
Dec, 2021
本文介绍一种新的深度残差MLP网络用于学习Neural Light Field(NeFL),通过从预训练的NeRF模型中转移知识进行数据精馏,以此消除NeRF的迭代采样问题,在合成和现实场景下的实验结果表明,与其他算法相比,我们的方法在节省计算资源和提高渲染质量方面具有明显的优势。
Mar, 2022
本文提出EfficientNeRF,一种高效的基于NeRF的方法,用于表示3D场景和合成新视图图像。通过在粗略和精细阶段分别提出有效的和关键的采样方法,以显著提高采样效率。同时,设计一种新的数据结构来加速整个场景的缓存以加速渲染速度。结果表明,本方法可以缩短88%以上的训练时间,实现超过200 FPS的渲染速度,而仍保持竞争力的准确性,从而促进NeRF 在现实世界中的实际应用和推广。
Jun, 2022
本篇论文提出了一种新的方法,通过将NeRFs融合为可与高度并行的图形渲染管线完全兼容的高效网格神经表示,使用屏幕空间卷积,来提高外观的质量和整个框架的表现。
Apr, 2023
本研究提出了将本应在神经网络评估后再进行渲染的颜色,改为直接渲染出射线查询的特征向量,从而大幅降低了神经网络评估的复杂度和计算开销,并取得了较好的渲染质量。
May, 2023
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
通过改进射线采样方法,在保持真实感渲染结果的同时提高了神经辐射场训练的效率,加快了神经网络的收敛速度并更准确地感知场景的空间几何结构。
Aug, 2023