Apr, 2024

Raster Forge：用于 Python 的交互式光栅操作库和图形用户界面

PDF
TL;DRRaster Forge 是一个用于栅格数据操作和分析的 Python 库和图形用户界面。该工具主要用于遥感应用，特别是野火管理。它允许用户导入、可视化和处理栅格图层，用于图像合成或地形分析等任务。在野火管理方面，它使用预定义模型生成燃料地图。该工具在灾害管理、水文建模、农业和环境监测等领域产生影响。Raster Forge 可以成为依赖栅格数据分析的地球科学家和研究人员的有价值的资产，增强各个学科中的地理空间数据处理和可视化能力。
发现论文，激发创造
  • Zip-NeRF: 基于格点的反锯齿神经辐射场

    使用渲染和信号处理中的思想，将 mip-NeRF 360 和基于网格的模型相结合，使误差比之前的技术低 8%-76%，并且训练速度比 mip-NeRF 360 快 22 倍。

    Apr, 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

  • VideoRF: 将动态辐射场渲染为 2D 特征视频流

    该研究论文介绍了 VideoRF，这是第一个能够在移动平台上实时流式传输和渲染动态辐射场的方法，通过使用特定的训练方案和渲染流水线，实现了在移动设备上的高效实时渲染。

    Dec, 2023

  • 双向引导辐射场处理

    在 NeRF 训练阶段，通过图像信号处理与 3D ISP 技术分离现代相机的增强，并在后期应用用户期望的增强，从而提高新视角合成的视觉质量。

    Jun, 2024

  • Geo2SigMap: 使用地理数据库进行高保真度射频信号映射

    通过使用地理数据库，Geo2SigMap 是一个基于机器学习的高效高保真度的射频信号绘制框架，使用自动化框架进行大规模 3D 建筑地图和射线追踪建模，利用环境信息和稀疏测量数据，采用级联 U-Net 模型生成详细的射频信号图，并通过真实世界测量验证，取得了较现有方法更好的预测无线电信号的性能。

    Dec, 2023

  • 大城市场景的网格引导神经辐射场

    该研究提出了一个新的框架用于实现对大型城市场景的高保真渲染，该框架运用了一种简化的多分辨率地面特征平面表示来捕捉场景，并通过另一个 NeRF 分支的位置编码输入进行补充，以联合学习的方式进行渲染。

    Mar, 2023

  • 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

  • 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

  • PyGS: 使用金字塔形状的三维高斯投影进行大规模场景表示

    通过使用金字塔式组装高斯函数的 3D 高斯喷射 (PyGS)，结合 NeRF 初始化，我们在多个大规模数据集上实现了显著的性能提升，并获得超过当前最先进方法 400 倍以上的渲染时间。

    May, 2024

  • RING-NeRF：基于残差隐式神经网络格的通用架构

    我们介绍了一种名为 RING-NeRF 的新的简单而高效的体系结构，基于 Residual Implicit Neural Grids，用于控制场景和潜在空间之间映射函数的细节级别，并结合距离感知的正向映射机制和连续的粗 - 细重建过程，在快速训练和性能方面展示出先进的表现，包括：抗锯齿渲染，从少数监督视点的重建质量以及在缺乏合适的场景特定初始化的情况下对基于 SDF 的 NeRF 的鲁棒性。我们还展示了我们的架构可以动态添加网格以增加重建的细节，为自适应重建铺平了道路。

    Dec, 2023