Jun, 2024

电影高斯：具有景深的实时 HDR 辐射场

PDF
TL;DR以基于 3D 高斯喷墨技术的轻量级方法为基础，利用多视图低动态范围（LDR）图像，通过变化的曝光时间、光圈和聚焦距离重建高动态范围（HDR）光辐射场，实现灵活的重焦渲染，同时结合 HDR 和景深的处理，能够在实时电影渲染中表现出优异的性能。
radiance field methodshdrgaussian splattingthin-lens camera modeltonemapping module
发现论文，激发创造
  • fNeRF：来自实用相机的高质量辐射场

    通过修改光线投射模型以利用透镜光学，我们提出了一种改进的模型，并且能够更好地匹配实际摄像机的虚焦模糊行为，特别是在部分遮挡的情况下，从而实现更锐利的重建，将全焦点图像的峰值信噪比在合成和真实数据集上提高了最多 3 dB。

    Jun, 2024

  • 实时辐射场渲染的三维高斯喷洒

    我们提出了三个关键要素，可实现高质量的实时（大于等于 30 帧 / 秒）1080p 分辨率的新视图合成，其中包括使用 3D 高斯函数表示场景、优化 3D 高斯函数的相关参数以准确表示场景，并开发了一种快速的可见性感知渲染算法，以加速训练并实现实时渲染。

    Aug, 2023

  • HDR-Plenoxels：自校准高动态范围辐射场

    本文提出了 HDR-Plenoxels，一种用于重建高动态范围 3D 辐射场的体素化方法，并且通过模拟数字相机成像管道，能够从仅有的 LDR 图像中渲染出高质量 HDR 图像，实验结果表明 HDR-Plenoxels 适用于各种不同摄像机的场景。

    Aug, 2022

  • HDR-NeRF：高动态范围神经辐射场

    本研究提出了高动态范围神经辐射场 (HDR-NeRF)，通过模拟图像物理成像过程中的亮度场和色调映射器等关键参数，实现了在不同曝光条件下生成新的高动态范围和低动态范围图像。实验结果表明，该方法不仅能准确控制合成视图的曝光，还能渲染出具有高动态范围的视图。

    Nov, 2021

  • DNGaussian：优化全局 - 局部深度归一化的稀疏视角三维高斯辐射场

    DNGaussian 是一种基于 3D 高斯辐射场的深度正则化框架，能够以较低成本实时高质量地进行少样本新视角合成，通过硬和软深度正则化以及全局 - 局部深度归一化等方法，恢复精确的场景几何和细节几何重塑，性能优于现有方法。

    Mar, 2024

  • RadSplat: 用于鲁棒实时渲染的辐射场引导高斯涂抹，每秒 900 + 帧

    本研究提出了一种名为 RadSplat 的轻量级方法，用于复杂场景的鲁棒实时渲染。该方法通过使用辐射场作为先验和监督信号来优化基于点的场景表示，提高了渲染质量和鲁棒优化。同时，我们开发了一种新颖的剪枝技术，减少了点的数量且保持高质量，使场景表示更小、更紧凑，并具有更快的推理速度。此外，我们提出了一种新颖的测试时间滤波方法，进一步加快了渲染速度，并可以扩展到更大的场景。实验证明，我们的方法实现了 900 + 帧每秒的复杂场景综合效果，达到了最先进水平。

    Mar, 2024

  • 鲁棒动态辐射场

    本研究中，我们介绍了一种新方法，通过联合估计静态和动态辐射场以及相机参数来解决使用 SfM 算法估计相机姿态时的不稳定性问题，实验证明此方法比现有的动态视图合成方法表现优异。

    Jan, 2023

  • 3D 高斯差分渲染的灵活技术

    快速可靠的形状重建是许多计算机视觉应用的关键要素。神经辐射场证明了逼真的新视角合成是可行的，但在对实景和物体进行快速重建方面要求表现。最近的几种方法基于其他形状表示，特别是 3D 高斯函数。我们对这些渲染器进行扩展，例如集成可微分光流、导出满封闭网格和按射线渲染法线。此外，我们展示了两种最近方法之间的互操作性。这些重建速度快、鲁棒，并且可以在 GPU 或 CPU 上轻松执行。详细的代码和可视化示例请参见网址：https:// 此处为网址

    Aug, 2023

  • GRAF: 用于三维感知图像合成的生成辐射场

    本文提出了一种基于放射场的生成模型，该模型具有高保真度的可渲染三维一致模型，能够更准确地控制相机视点和物体姿态，并通过一个多尺度基于补丁的鉴别器来演示高分辨率图像的合成。

    Jul, 2020

  • Pano-NeRF：从稀疏低动态范围全景图像合成具有几何图形的高动态范围新视点

    稀疏低动态范围（LDR）全景图像中辐照度场的模型提高了几何恢复和高动态范围（HDR）重建的能力，并且在实验证明了其有效性。

    Dec, 2023