Sep, 2023

基于神经场的单视角折射率层析成像

PDF
TL;DR逆问题中，我们试图从二维投影图像测量中重构场景的三维折射场，为此我们引入了一种使用基于坐标的神经网络对场景中的连续折射场进行建模的方法，并通过分析合成方法优化该网络的参数，以实现对折射场的重建。
refractive index tomographyscene's 3d refractive fieldinverse problemcoordinate-based neural networkanalysis-by-synthesis approach
发现论文，激发创造
  • 使用神经场从离散的仅强度测量中恢复连续的三维折射率图

    DeCAF 是首个基于神经场的 IDT 方法，通过使用 IDT 前向模型直接从测试样本的测量中学习连续的折射率表征，可以生成高对比度和无伪影的折射率图像，并且可以比现有方法减少 MSE 高达 2.1 倍。

    Nov, 2021

  • 透明和镜面对象的神经折射 - 反射场中的 3D 重建和视图合成

    本文介绍了一种新的方法，即折射 - 反射场，用于解决透明和镜面对象合成中的光线路径复杂性问题，并提出了一种虚拟锥超采样技术实现高效且有效的抗锯齿。通过在真实世界和合成数据集上进行测试，并对各种编辑应用进行定量和定性评估，包括材料编辑、对象替换 / 插入和环境照明估计，我们对该方法进行了基准测试。

    Sep, 2023

  • REF$^2$-NeRF: 反射和折射感知神经辐射场

    基于 NeRF 的模型方法，针对含玻璃展柜的场景，提出了一种可以更准确地建模玻璃折射和整体场景的方法。该方法通过对玻璃表面和直接反射光成分进行分离和建模，实现了对多个玻璃物体的准确建模。

    Nov, 2023

  • 神经反射场的外观获取

    本研究提出了一种新的深度场景表示方法 —— 神经反射场，该方法使用全连接的神经网络编码场景中任意 3D 点的体密度、法线和反射属性，并将其与可微分的物理模型相结合，从而能在任意视点和光照条件下渲染图像，实现高质量的视角合成和照明重建。

    Aug, 2020

  • 利用反射场的神经投影映射

    本文提出利用神经投影映射技术在增强现实应用中实现对投影仪的高分辨率自适应校准和照片级别的光线编辑。通过将虚拟投影纹理与场景参数全微分，可以优化得到所需的外观。此外，本文展示了在材料和场景重建等方面，较传统方法更好的性能。

    Jun, 2023

  • S$^3$-NeRF：单视角下通过遮挡和阴影得出的神经反射场

    利用单视图图像下不同点光源捕捉来学习神经场景表示，利用阴影和明暗等单目线索推断场景几何，并学习神经反射场，用于代表场景 3D 几何和 BRDF。实验表明，该方法能够从单视图图像中恢复场景的 3D 几何，包括可见和不可见部分，适用于新视角合成和再照明等应用。

    Oct, 2022

  • 神经瞬态场非直视成像

    提出了一种基于神经建模的非直视成像框架，采用多层感知器（MLP）来表示神经瞬态场（NeTF），并引入 Monte Carlo 技术来提高重建的鲁棒性和细节保留。实验结果表明，该方法在合成和实际数据集上提供了更高质量的重建并保留了先前方法中缺失的细节。

    Jan, 2021

  • 折射电场用于折射式新视角合成

    本文研究如何利用变化的折射率（IoR）优化射线跟随路径，从而生成展示折射和反射对象的新视角图像。

    Feb, 2022

  • 利用神经场进行散射介质的高分辨率光吸收层析重建

    NeuDOT 是一种全新的散射光学层析成像方法，基于神经场理论将光学吸收量连续编码到体积内，实现高精度、高分辨率成像，适用于医学成像、遥感和自动驾驶等领域。

    Apr, 2023

  • 透明物体的神经辐射场法使用视体

    我们提出了一种基于 NeRF 的方法，通过三个步骤解决了传统 NeRF 在透明对象方面的局限性。首先，使用可视外形重建透明对象的三维形状。其次，根据斯涅尔定律模拟透明对象内部的光线折射。最后，通过折射光线采样点，并将其放入 NeRF 中。实验结果表明，我们的方法解决了传统 NeRF 在处理透明对象方面的限制。

    Dec, 2023