Dec, 2023

重新 Nerfing: 通过新视角合成对神经辐射场施加几何约束

HTML
PDF
TL;DR通过 Re-Nerfing 方法，我们在 Neural Radiance Fields 的基础上使用多阶段的方法增加场景的覆盖范围，提高新视角的几何一致性，并通过新合成的图像实现结构和极线约束的优化，对 mip-NeRF 360 数据集进行的实验证明了 Re-Nerfing 的有效性。
发现论文，激发创造
  • NeRF++：分析和改进神经辐射场

    通过NeRF的方法来实现对于图像的View Synthesis, 本文提到了NeRF的成功之处以及在应用于大规模无界三维场景中进行改进，使其在360°的拍摄模式下提高拍摄质量。

    Oct, 2020

  • 无相机已知参数的神经辐射场（Neural Radiance Fields）--NeRF--

    本文提出NeRF--用于学习相机内参和位姿，在各种相机运动情况下实现了准确的相机参数估计，并且在合成数据集BLEFF上实现了可比较的新视角渲染质量，为2D图像生成3D场景的任务提供了新思路。

    Feb, 2021

  • NeRFReN: 具有反射特性的神经辐射场

    该研究提出了NeRFReN，它是基于NeRF的，能够建模带有反射的场景，并将场景分为透射和反射组件，用单独的神经辐射场来建模两个组件，以实现高质量的新视图综合和深度估计结果。

    Nov, 2021

  • RegNeRF：为稀疏输入提供视角综合的神经光辐射场正则化

    我们通过正则化几何和外观来解决NeRF在输入视图位数较少时的性能下降问题，同时在训练期间通过退火光线采样间隔和使用正则化流模型来处理未观察到视点的颜色，从而得到了一种可超过其他方法的模型。

    Dec, 2021

  • Ref-NeRF: 神经辐射场的结构化视角依赖外观

    Ref-NeRF通过替换NeRF的视角相关的出射辐射参数化为反射辐射参数来提高NeRF方法表示高光表面外观的准确性，并且使用一系列空间变化场景属性来构造该函数结构，同时结合法线向量的正则化，可以实现更加真实和准确的高光反射，此外，我们的模型的内部表示也具有可解释性，用于场景编辑。

    Dec, 2021

  • Aug-NeRF：利用三级基于物理学的扩展训练更强大的神经辐射场

    本研究提出了一种名为Aug-NeRF的增强型神经辐射场模型，它利用鲁棒的数据增强技术来加强NeRF的训练，从而提高其在新视角合成和几何重建方面的表现，并且可以从严重受损的图像中恢复场景。

    Jul, 2022

  • 从多视角几何学中学习神经辐射场

    MVG-NeRF 组合了传统的多视角几何算法和神经辐射场 (NeRF) 用于基于图像的三维重建。我们提出使用像素级深度和法线来引导 NeRF 优化，以提高所估计表面的质量。实验结果表明，该方法可以从图像中获取干净的三维网格，同时在新视角合成方面具有竞争力的表现。

    Oct, 2022

  • BeyondPixels：神经辐射场演变的综合综述

    本文综述了近年来神经辐射场（NeRF）技术在3D渲染和视角合成领域的最新研究进展和其不同的架构设计。

    Jun, 2023

  • 分而治之：重新思考神经辐射场的训练范式

    通过将输入视图按照其视觉相似性划分为多个组，并在每个组上训练单独的模型，然后通过教师-学生蒸馏范式将这些专门模型的知识聚合为一个实体，我们重新设计了NeRF的训练范式，提高了其渲染质量并实现了空间效率。

    Jan, 2024

  • 基于快速稀疏视角引导的对象重构 NeRF 更新

    我们开发了第一个用于NeRF更新的方法，可通过只提供少量新的图像来更新预训练的NeRF，以便适应物理变化，而无需耗时的数据重新捕获和重新训练。我们使用辅助的第二个NeRF来学习场景的局部几何和外观变化，用于准确重建稀疏视角下未遮挡物体区域。该方法比从头开始重新训练NeRF快一个数量级，并且具有相当甚至更好的性能。

    Mar, 2024