NeRF-XL:使用多个 GPU 扩展 NeRF
通过将场景自适应地细分为轴对齐的包围盒,并使用树层次结构方法将较小的 NeRF 分配给不同大小的子空间,该论文提出了一种有效的适应性多 NeRF 方法,以加速针对复杂场景的神经渲染过程,以实现对特定场景部分的精细神经表示。
Oct, 2023
通过将场景分割为分区,并使用部分模型参数,InterNeRF 提出了一种渲染目标视图的新型架构,实现了出核训练和渲染,从而增加了模型容量而只有适度增加训练时间,在多房间场景中取得了显著的改进,在标准基准测试中保持竞争力。
Jun, 2024
利用神经辐射场(NeRFs)建立大规模的高楼或多个城市街区跨度的交互式 3D 环境,研究通过分析可见性统计信息,提出特殊化参数不同区域的稀疏网络结构、基于几何聚类的数据并行算法,并对 NeRF 快速渲染程序提出了新方法,有效解决了训练速度和渲染速度等多项挑战。
Dec, 2021
基于多分辨率哈希格方法的可扩展场景重建方法,通过划分大型场景、消除背景 NeRF,并利用分割体积渲染方法处理跨边界射线,实现了更高质量、更可扩展的场景重建。
May, 2024
该论文介绍了一个名为 UE4-NeRF 的神经渲染系统,专门用于实时渲染大规模场景,并通过将场景分区并进行顶点优化、与 UE4 的光栅化流水线相结合等方法,实现了在 4K 分辨率下以每秒 43 帧的帧率进行实时渲染,并获得了与最先进方法相媲美的渲染质量。
Oct, 2023
Block-NeRF 是神经辐射场的变种,可以有效表示大规模环境,将场景分解成 NeRF 可以将渲染时间与场景大小分离,使渲染可以扩展到任意大的环境,并允许环境进行每个块更新。通过引入外观嵌入,学习的姿态细化和可控的曝光,以及介绍邻接 NeRF 之间对齐外观的程序,我们采用数种架构变化使 NeRF 对不同环境条件下多个月采集的数据具有鲁棒性。通过 280 万张图像构建 Block-NeRF 的网格,创建迄今为止最大的神经场景表示,能够渲染旧金山整个社区。
Feb, 2022
NeRFusion 提出了一种方法,通过将 NeRF 和 TSDF-based fusion 技术结合起来,实现了大规模室内场景的高效重建和逼真渲染,使用全新的循环神经网络来递增地重建实时稀疏场景表示,进一步提高了渲染质量,取得了大规模室内和小型物体场景的最先进质量,并比 NeRF 和其他最新方法重建速度更快。
Mar, 2022
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
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