蓝色 NF:蓝图神经场
本研究提出了一种基于 Neural Radiance Field 的方法,利用显式网格表示与场景的隐式神经表示建立对应关系,使用户可以利用网格形变方法进行可控的形状变形,并合成编辑后的场景的新视角图像。
May, 2022
本论文提出了一个统一的神经辐射场(NeRF)框架,以有效地进行场景分解和合成,用于建模现实世界场景,通过学习不同对象的解耦 3D 表示进行场景编辑,同时为新颖视角合成建模整个场景表示。
Aug, 2023
BioNeRF 是一种基于生物学的合理架构,通过辐射场对场景进行 3D 表示并合成新视图,利用类似记忆结构的认知启发机制将来自多个来源的输入融合,提高存储容量并提取更多内在和相关信息,同时模仿锥体细胞中观察到的有关上下文信息的行为,其中记忆作为上下文提供并与两个后续神经模型的输入相结合,其中一个负责生成体积密度,另一个负责渲染场景所使用的颜色。实验结果表明,BioNeRF 在两个数据集(真实世界图像和合成数据)中基于人类感知的质量度量上胜过最先进的结果。
Feb, 2024
利用拓展到神经辐射场(NeRF)的编辑技术来编辑场景是复杂的,本文提出了利用 NeRF 场景的几何信息作为桥梁来整合 2D 编辑的方法,并引入了一种填充方法来确保对不同图像的 2D 编辑具有鲁棒性。结果表明,该方法比现有的文本驱动 NeRF 场景编辑方法实现了更加一致、逼真和详细的编辑效果。
Apr, 2024
论文提出了 NeuralEditor,用于泛形状编辑任务,通过利用显式点云表示构建 NeRF,并提出基于确定性积分的新型渲染方案,实现了基于点云的形状编辑,取得了最先进的性能。
May, 2023
Blended-NeRF 是一种基于文本提示或图像贴片及 3D ROI 盒子的方法,利用预训练的语言 - 图像模型来操纵合成并混合一个新对象到现有的 NeRF 场景中实现对现有场景感兴趣区域的编辑,使用新颖的容积混合技术进行无痕混合。
Jun, 2023
本文提出了可编辑的神经辐射场,使终端用户能够轻松编辑动态场景,甚至支持拓扑变化。我们的方法支持直观的多维度(最多 3D)编辑,并且可以生成在输入序列中未见过的新颖场景。
Dec, 2022
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
本文介绍了一种可以对特定类别的条件辐射场进行用户编辑的方法,该方法假设观察多个特定类别的实例,学习部分语义,允许将粗略的二维用户涂鸦传播到整个三维区域中,该方法通过提出新的模块化网络组件和混合网络更新策略,结合优化问题和网络特定的目标,解决用户交互中的可视化编辑任务。
May, 2021
本文提出通过蒸馏出自监督的 2D 图像特征提取器的知识,优化一种针对 NeRF 的 3D 特征场,从而实现语义场景分解以及针对局部区域的查询式编辑,从而实现结构编辑的目的。通过实验证明,3D 特征场可以将最近在 2D 视觉和语言基础模型中取得的进展应用于 3D 场景表示,从而实现令人信服的 3D 分割和选择性编辑。
May, 2022