Aug, 2023

ARF-Plus：控制 3D 场景风格化中的知觉因素

PDF
TL;DRARF-Plus 是一种 3D 神经风格转换框架，通过四个不同类型的控制，即颜色保持、比例、空间和深度增强控制，成功实现了对感知因素的可控性，从而实现了在 3D 场景风格化过程中的自定义修改、灵活融合和创建新颖而引人注目的风格效果。
radiance fields style transferperceptual controllability3d scene stylizationarf-plusneural style transfer
发现论文，激发创造
  • CoARF：可控的 3D 艺术风格转移方法用于辐射场

    通过半自动的算法，我们提出了可控的艺术辐射场，可以生成用户指定对象的风格转移，艺术作品中对三维场景进行转化具有更高的质量与精确度。

    Apr, 2024

  • ARF: 艺术辐射场

    该论文提出了一种将任意风格图像的艺术特征传输到 3D 场景中的方法，采用了更为鲁棒的辐射场表示进行运算并通过最近邻法进行损失计算，同时采用一种新的延迟反向传播方法进行内存密集的辐射场优化，改善了以往的技术。

    Jun, 2022

  • StyleRF: 零样本 3D 神经辐射场风格迁移

    提出了一种具有更高 3D 风格转移质量的 StyleRF 技术，该技术在辐射场的特征空间内进行样式转换，实现了准确的几何重建、高质量的风格化和具有拓展性的任意新样式的生成。

    Mar, 2023

  • FPRF: 大规模 3D 神经辐射场的前馈逼真风格转移

    FPRF 是一种用于大规模三维神经辐射场的前馈光真实主义风格转移方法，它可以使用任意数量的风格参考图像对大规模三维场景进行风格化，同时保持多视角外观的一致性。它通过引入风格分解的三维神经辐射场来高效地风格化大规模三维场景，支持任意风格参考图像，并使用语义对应匹配和局部 AdaIN 实现多参考风格化，并通过在三维空间中直接应用语义匹配和风格转移过程来维持多视角的一致性。实验证明，FPRF 能够以高质量实现对大规模场景进行光真实主义风格化。

    Jan, 2024

  • UPST-NeRF：基于神经辐射场的三维场景通用光真实风格迁移

    本文提出了一种针对三维场景的逼真风格转移框架，可以通过 2D 样式图片实现 3D 场景的逼真样式转移，并使用波束特征优化三维场景并联合优化高层次网络，以实现任意风格图片的场景逼真样式转移，并证明该方法在视觉质量和一致性方面优于现有方法。

    Aug, 2022

  • 本地样式化的神经光辐射场

    我们提出了一种基于局部风格转移的 NeRF 风格化框架，利用哈希网格编码来学习外观和几何组件的嵌入，并通过优化外观分支并保持几何分支固定来实现风格化，使用分割网络和二分图匹配来建立样式图像和内容图像之间的区域对应关系，实验证明我们的方法在新视角合成方面得到了合理的风格化结果，并通过操纵和自定义区域对应关系具有灵活的可控性。

    Sep, 2023

  • 语义风格化辐射场

    我们提出了一种从任意图像向 3D 场景中的物体转移风格的方法，旨在通过最近邻损失的运用实现更加可定制和风格化的场景图像创作，并确保多视角一致性。

    Sep, 2023

  • S-DyRF：基于参考的动态场景风格化辐射场

    提出了 S-DyRF，一种基于参考的时空风格化方法，通过引入时间伪参考进行粗略和细致的风格转移，实现了动态 3D 场景的合理风格化结果

    Mar, 2024

  • 基于参考的非真实感辐射场用于可控的场景风格化

    该研究使用基于参考图像的非真实辐射场方法对 3D 场景进行样式化处理，该方法利用 2D 参考图像来获取伪光线监督并填充遮挡区域，使其能够产生非真实感的连续新视图序列。

    Dec, 2022

  • 动态人脸渲染的可控辐射场

    在这篇论文中，我们提出了一种可控辐射场，该场可在保证三维感知性的同时，显式地控制非刚性运动产生的面部动态的生成模型合成。

    Oct, 2022