动态外观粒子神经辐射场
本文提出了 D-NeRF 方法,将神经辐射场扩展到动态领域,允许从单个相机围绕场景重建和渲染对象的新图像。通过将时间作为系统的额外输入,并将学习过程分为两个主要阶段,可以同时学习两个映射,实现控制相机视图和时间变量以及物体移动的目的。
Nov, 2020
本文提出了一种通过操作训练视频单个帧中的像素点来编辑动态 NeRFs 的局部外观的新框架,并引入了本地表面表示来保留未编辑区域,通过学习的可逆运动表示网络将其插入和渲染到原始 NeRF 中,并将其变形到任意其他帧,达到时空一致的编辑结果。
Jul, 2023
本文提出了一种基于动态神经辐射场的算法,通过表面的位置和朝向在观测空间中进行条件化,像素的渲染基于不同姿态下的表面反射的颜色来实现遮挡的效果,有效地改善了单目 RGB 视频中移动高光物体的重建质量。
Mar, 2023
Neural Radiance Field (NeRF) is a framework representing a 3D scene with MLP, achieving state-of-the-art photorealistic image renderings for view synthesis and expanding capabilities to generate views from dynamic scene representations with fewer images for training.
Apr, 2023
该论文设计了一种在传统图形管线中将多边形网格资源嵌入逼真的神经放射场(NeRF)体积中的方法,以便能够以物理一致的方式渲染和模拟它们,通过在渲染和模拟过程中设计了网格和 NeRF 之间的双向耦合,解决了路径跟踪器和标准 NeRF 之间的颜色空间差异,还提出了一种估计光源和在 NeRF 上投射阴影的策略,并将混合表面 - 体积形式与高性能物理模拟器高效地集成在一起。
Sep, 2023
本文介绍了一种新型的优化算法 DroNeRF,用于通过少量图像实现单目相机无人机在物体周围自主定位,实现实时三维重建。文章使用 Neural Radiance Fields 或 NeRF,以只依赖于物体几何学而不使用任何外部定位系统的方式计算单个无人机的最佳姿态,并评估了生成的新视图的质量,表现出更好的感知度。
Mar, 2023
本文提出了一种基于先进的体素网格优化的快速变形辐射场方法来处理动态场景,该方法包括两个模块,采用变形网格存储动态特征和密度和色彩网格来模拟场景几何和密度,并将遮挡进行显式建模以进一步提高渲染质量。实验结果表明,本方法在仅用 20 分钟的训练时间下,达到了与 D-NeRF 相当的性能,比 D-NeRF 快 70 倍以上,显示了该方法的高效性。
Jun, 2022
用于捕捉快速运动的刚性和非刚性变形的事件流的准确重建的管道的 EvDNeRF,可以从静态或移动视点在任何所需的时间戳之间预测动态场景的事件流,因此可用作给定场景的基于事件的模拟器。
Oct, 2023