Nov, 2023

PIE-NeRF：基于物理的可交互弹性动力学与 NeRF

PDF
TL;DR通过与 NeRF 紧密结合，我们展示了物理学模拟可以无缝地生成现实世界物体的高质量弹性动力学。与现有方法不同，我们以无网格的方式离散非线性超弹性，避免了需要中间辅助形状代理（如四面体网格或体素网格）的必要性。我们采用二次广义最小二乘 (Q-GMLS) 来捕捉隐式模型上的非线性动力学和大形变。这种无网格集成方式可以对复杂的、共维度的形状进行灵活的模拟。根据 NeRF 密度场自适应地放置最小二乘核，可以显著减少非线性模拟的复杂性。因此，可以方便地使用我们的方法合成各种高弹性材料的物理真实动画，并以交互速度进行渲染。更多信息，请访问我们的项目页面。
physics-based simulationsnerfelastodynamicsmeshless integrationhyperelastic materials
发现论文，激发创造
  • 动态网格感知辐射场

    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

  • PAC-NeRF: 物理增强连续神经辐射场，用于几何无关的系统辨识

    从多视角视频中识别物理系统参数的方法是通过设计一种混合的欧拉 - 拉格朗日表示来实现的，该表示通过 Lagrangian 粒子平滑地移动 Neural Radiance Fields，具备有效的神经渲染和可靠的可微分物理学模拟。

    Mar, 2023

  • 简化弹塑性和断裂的神经应力场

    我们提出了一种用于弹塑性和断裂的减维模型的混合神经网络和物理框架，并演示了其在不同材料行为模拟中的强大计算效率。

    Oct, 2023

  • HyperNeRF：用于拓扑变化的高维神经辐射场表示

    本文提出了一种新的三维场景重建方法 HyperNeRF，通过将 NeRF 升维，将每个输入图像对应的五维辐射场表示为该 “超空间” 中的一片，从而解决了现有变形场模型在处理拓扑变化时的困难。实验表明，HyperNeRF 在平滑插值和新视角合成方面皆优于 Nerfies，平均误差率分别降低了 4.1％和 8.6％。

    Jun, 2021

  • Nerfies: 可变形神经辐射场

    描述了一种基于神经辐射场的方法，通过优化连续的体形变场使移动设备拍摄的照片 / 视频重建变形场景，旨在生成高度逼真的渲染图像。实验表明，该方法可使用手机拍摄的自拍照片 / 视频转换成可变形的 NeRF 模型，并在任意视点产生高保真度的视图。

    Nov, 2020

  • MobileNeRF：利用多边形光栅化管道在移动架构上高效渲染神经场

    本文介绍了一种基于纹理多边形的新型 NeRF 表示方法，能够高效地使用标准渲染管道合成新图像，这种方法允许使用传统的多边形光栅化方法对 NeRF 进行渲染，从而在各种计算平台上实现交互式帧速率。

    Jul, 2022

  • 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

  • 动态外观粒子神经辐射场

    提出了基于粒子表示的动态外观粒子神经辐射场（DAP-NeRF）模型，用于捕捉 3D 动态场景中的外观和运动，通过学习单目视频构建了有效的计算框架和新的数据集来评估运动建模效果。

    Oct, 2023

  • D-NeRF：用于动态场景的神经辐射场

    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

  • 神经可形变体素网格用于快速优化动态视角合成

    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