Oct, 2023

FPO++：通过分析和增强傅里叶八叉树有效编码和渲染动态神经辐射场

PDF
TL;DR通过对动态模型中的压缩引入的伪影进行深入分析，并利用所得的见解提出一种改进的表示方法，特别是提出了一种根据基于 Fourier 的压缩来适应底层体渲染过程的传递函数特征的新密度编码，从而显著减少动态模型中的伪影。此外，通过对训练数据的扩充来放松压缩的周期性假设。在合成和真实场景的定量和定性评估范围内展示了增强的 Fourier PlenOctrees 的有效性。
发现论文，激发创造
  • 动态辐射场实时渲染的傅里叶 PlenOctrees

    本文提出一种基于广义 NeRF、PlenOctree 表示、体积融合和 Fourier 变换的 Fourier PlenOctree 技术，能够高效地对动态场景进行神经建模和实时渲染，实现超过 SOTA 的渲染加速。

    Feb, 2022

  • 用于神经辐射场实时渲染的 PlenOctrees

    该研究提出了一种使用 PlenOctrees 进行神经辐射场（NeRFs）实时渲染的方法，以支持视角相关的效果，该方法可在保证渲染质量的情况下渲染 800x800 像素以上的图像，并能在 150 FPS 以上的速度下运行。

    Mar, 2021

  • 神经 NeRF 压缩

    该论文提出了一种针对基于网格的 NeRF 模型的效率压缩方法，使用非线性变换编码范式和神经压缩对模型的特征网格进行压缩，引入重要性加权的失真率目标和利用掩蔽机制的稀疏熵模型以利用潜在特征网格的空间不均匀性，实验证明该方法在基于网格的 NeRF 压缩效率和重建质量方面优于现有工作。

    Jun, 2024

  • 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

  • 动态 PlenOctree 在显式 NeRF 中的自适应采样细化

    提出了一种动态的 PlenOctree DOT 方法，通过自适应细化采样分布来适应不断变化的场景复杂度，并通过层次化特征融合策略提高了视觉质量，减少了参数数量并提供了更高的帧率。

    Jul, 2023

  • 金字塔神经辐射场 PyNeRF

    通过在不同空间网格分辨率上训练模型头部，我们对基于网格的模型进行简单修改，以实现容易的扩展，提高渲染质量和性能效率。

    Nov, 2023

  • 具有神经码本的紧凑实时辐射场

    本文提出了一种使用压缩方法从紧凑的角度追求较小体积的神经辐射场的简单而有效的框架，该方法利用网格模型固有的代表特性，开发了非一致压缩方法以显着减少模型复杂性，并引入了名为 “神经码书” 的新颖参数化模块，通过快速优化来更好地编码每个场景模型的高频细节，从而实现对网格模型存储量的超过 40 倍的减少，在具有竞争性的渲染质量和 180 fps 的实时渲染速度的同时，相对于实时渲染方法而言具有存储成本的显著优势。

    May, 2023

  • 高效的三维场景重建潜空间神经辐射场

    通过将自编码器与 NeRF 相结合，我们提出了一种潜空间 NeRF，可以在渲染速度提高三倍的同时减少视觉伪影，从而产生更高质量的新视图，可用于实现高效且高保真的 3D 场景表示，特别适用于需要保持可微性的机器人学场景。

    Oct, 2023

  • ECRF: 基于频域优化的熵约束神经辐射场压缩

    提出了一种基于频域熵建模的压缩模型，通过离散余弦变换（DCT）对特征网格进行压缩，进一步使用熵参数化技术提高稀疏性，实现轻量级压缩编解码，从而使得体积辐射场方法更易于在实际应用中使用。实验结果表明，所提出的频域熵模型在多个数据集上达到了卓越的压缩性能。

    Nov, 2023

  • JointRF：动态神经辐射场表示与压缩的端到端联合优化

    我们提出了一种新的端到端联合优化方案，名为 JointRF，用于动态 NeRF 的表示和压缩，通过使用紧凑的残余特征网格和系数特征网格来处理大运动，同时减少时间冗余，并引入一个时空冗余压缩子网络以进一步减少时空冗余。大量实验证明，JointRF 在各种数据集上实现了卓越的压缩性能。

    May, 2024