ICCVOct, 2023

MIMO-NeRF：多输入多输出神经辐射场的快速神经渲染

PDF
TL;DR通过使用多输入多输出 NeRF（MIMO-NeRF）和自监督学习方法，我们提出了一个新的解决方案来加速神经辐射场（NeRF）的渲染速度，并且与前沿技术相兼容。
neural radiance fieldsnerfmimo mlpself-supervised learningfast nerfs
发现论文，激发创造
  • 学习神经双工辐射场进行实时视图合成

    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

  • KiloNeRF：使用数千个微小的 MLP 加速神经辐射场

    本文提出了一种使用多个小型多层感知器替代单个大型多层感知器的方法，通过分治策略加速深度神经网络渲染，并且不影响视觉质量。

    Mar, 2021

  • 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

  • Mip-NeRF: 用于抗锯齿的多尺度神经辐射场表示

    使用连续值比特映射扩展 NeRF, 可以高效地渲染反锯齿锥体，提高了表现精细细节的能力，缩小了占用空间，降低了平均误差率

    Mar, 2021

  • 神经辐射场中的 Vanilla MLP 对于少样本视图合成足够吗？

    通过多输入多层感知器 (mi-MLP) 让神经光辐射场 (NeRF) 模型在少样本视角合成时避免过拟合问题，并提高 PSNR 值从 $14.73$ 提升到 $24.23$，并在多个基准测试中取得了最先进的结果。

    Mar, 2024

  • 多空间神经辐射场

    我们提出了一种多空间神经辐射场（MS-NeRF），通过在并行子空间中表示场景的特征场组，以更好地理解神经网络对具有反射和折射性物体的存在的情况，从而实现了对现有 NeRF 方法的增强，且仅需要小的计算开销。在由 25 个合成场景和 7 个具有复杂反射和折射的真实捕捉场景组成的新颖构建数据集上进行的比较表明，我们的方法比现有的单空间 NeRF 方法在渲染复杂光路的镜像对象的高质量场景方面表现显著优于现有的单空间 NeRF 方法。

    May, 2023

  • MVSNeRF：多视角立体下的快速通用辐射场重建

    提出了 MVSNeRF，这是一种新颖的神经渲染方法，可以通过快速网络推理从仅三个附近输入视图重建辐射场，利用平面扫描代价体进行几何感知场景推理，并将其与基于物理的体积渲染相结合，能够横跨场景（甚至是室内场景）泛化，并仅使用三个输入图像生成逼真的视图合成结果，比类似工作在可推广的辐射场重建方面表现显著优越。

    Mar, 2021

  • MixNeRF: 用混合密度对光线进行建模，从稀疏输入中合成新的视角

    本文提出了 MixNeRF，并使用混合密度模型对光线进行建模，从而实现了稀疏输入的新视角综合，同时也提出了新的光线深度估计任务，实验结果表明在训练和推断方面具有更高效率的同时，MixNeRF 在各种标准基准测试中都优于其他现有方法。

    Feb, 2023

  • 分析神经辐射场的内部结构

    介绍了一种利用基于 MLP 的 NeRFs 及其 proposal network samplers 加速的方法，该方法可以在不改变训练协议或架构的情况下，将所需计算的时间减少了 50%，同时对渲染质量的影响微乎其微。

    Jun, 2023

  • 使用深度感知优化提高神经辐射场用于新景深合成

    SfMNeRF 提出了一种基于神经辐射场的方法，结合自监督深度估计方法对样本进行重构，同时利用极线和光度一致性等约束构建 3D 场景几何图像，提高了神经辐射场的表现，实现了更好地合成新视角。

    Apr, 2023