May, 2024

WateRF: 辐射场的鲁棒水印用于版权保护

PDF
TL;DR我们提出了一种创新的、适用于 NeRF 表示的数字水印方法，通过在渲染过程中使用离散小波变换，结合延迟反向传播技术和区块损失，实现了嵌入二进制信息的高质量渲染。通过在 2D 渲染图像中评估嵌入水印的容量、隐形性和鲁棒性等方面，我们的方法在训练速度上比与现有的最先进方法更快，并获得了最先进的性能。
发现论文，激发创造
  • CopyRNeRF：保护神经辐射场的版权

    通过分析可能的版权保护解决方案的优缺点，我们提出使用水印颜色表示替换 NeRF 中的原始颜色表示，设计了一种抗失真渲染方案，以实现对 NeRF 模型版权的直接保护，并在可选方案之间保持高渲染质量和位准确性。

    Jul, 2023

  • IPR-NeRF：所有权验证与神经亮度场相遇

    该研究提出了一种全面的知识产权 (IP) 保护框架，名为 IPR-NeRF，用于保护 Neural Radiance Field (NeRF) 模型的版权，其中包括黑盒模式和白盒模式两种设置。

    Jan, 2024

  • WaterHE-NeRF：水下场景重构的水 - 射线追踪神经辐射场

    本研究提出了 WaterHE-NeRF，通过水下光线传输与 Retinex 理论相结合，在三维空间中准确编码颜色、密度和光亮衰减，生成模糊和清晰的多视角图像，并通过组合重建损失和 Wasserstein 距离进行图像恢复优化，同时使用直方图均衡化作为伪 GT 增强网络准确性。实验证明了 WaterHE-NeRF 在真实水下和合成数据集上的有效性。

    Dec, 2023

  • 紧凑型神经辐射场的遮罩小波表示

    本文提出了一种利用小波变换和可训练掩模方法结合网格神经场的方法来减少计算和存储资源的使用，以实现更加紧凑的场景渲染的方法。实验结果表明，在 2MB 的内存预算下，该方法的性能达到了最优水平。

    Dec, 2022

  • WaveNeRF：基于小波的通用神经辐射场

    WaveNeRF 通过将多视角立体重建技术与神经辐射场（NeRF）相结合，利用小波频率分解在不需要针对每个场景进行优化的情况下实现了高质量的综合合成。

    Aug, 2023

  • ReMark: 基于感受野的深度网络空间水印嵌入优化

    本研究通过深度学习提出了一种新的水印嵌入架构，使得生成的不可感知水印在保持图像质量的同时更加坚韧，针对多种常见水印失真情况具有强鲁棒性。

    May, 2023

  • Noise-NeRF：使用可训练噪声在神经辐射场中隐藏信息

    本文提出了一种基于可训练噪声的新型 NeRF 隐写术方法 ——Noise-NeRF，并且采用自适应像素选择策略和像素扰动策略来提高隐写术质量和效率。在开源数据集上的广泛实验表明 Noise-NeRF 在隐写术质量、渲染质量和超分辨率图像隐写术方面都达到了最先进的性能。

    Jan, 2024

  • 基于神经辐射场的视觉渲染方法综述

    近年来，神经辐射场（NeRF）在计算机视觉和图形领域取得了显着进展，为解决 3D 场景理解、新视角合成、人体重建、机器人等关键任务提供了强有力的技术支持。本文对过去两年内关于 NeRF 的研究文献进行了深入分析，在详细阐述 NeRF 核心架构的基础上，讨论了 NeRF 的各种改进策略，以及在不同应用场景中的案例研究，展示了其在不同领域的实际应用价值。同时，本文还详细介绍了 NeRF 模型训练所需的关键资源，最后提出了关于 NeRF 未来发展趋势和潜在挑战的前瞻性讨论，旨在为该领域的研究人员提供研究灵感，促进相关技术的进一步发展。

    Mar, 2024

  • 工业与机器人领域中的神经辐射场：应用、研究机会和使用案例

    该研究论文通过详细研究神经辐射场（NeRF）在工业应用领域的潜力，并提供未来研究方向，证明了 NeRF 在工业领域的潜力。此外，论文还展示了 NeRF 在视频压缩和三维运动估计方面的实验结果，证明了它们在这些应用中的有效性。

    Aug, 2023

  • 基于神经辐射场的全息术 [邀请]

    该研究提出了一种基于神经辐射场（NeRF）技术的生成全息图的新方法。使用深度神经网络在合理的时间内构建了从 2D 图像生成的 3D 光场的渲染流程，包括 NeRF、深度预测器和全息图生成器，而不需要任何物理计算。通过该流程，可以计算从任意方向观看的 3D 场景的预测全息图。研究还展示了仿真和实验结果。

    Mar, 2024