Jun, 2024

频率 Mip-AA：抗锯齿神经辐射场的频率 Mip 表示

PDF
TL;DR利用基于网格的表示和频域表示的频谱 MipAA 方法，通过利用尺度特定的低通滤波器（LPF）和可学习的频谱遮罩，在保留重要细节的同时有效消除锯齿因素，以解决 Neural Radiance Fields 在生成 3D 场景和渲染不同相机距离下的图像时的走样问题。
neural radiance fieldsaliasing artifactsvolumetric frustumsanti-aliasing techniquefreqmipaa
发现论文，激发创造
  • Mip-Grid: 神经辐射场的抗锯齿网格表示

    本文介绍了一种名为 mip-Grid 的方法，它将消除深度学习模型渲染过程中的锯齿状失真问题与快速训练相结合的网格表示技术，通过生成多尺度的网格并使用尺度感知坐标检索不同尺度的特征，大大提高了渲染性能和训练速度。

    Feb, 2024

  • Mip-NeRF: 用于抗锯齿的多尺度神经辐射场表示

    使用连续值比特映射扩展 NeRF, 可以高效地渲染反锯齿锥体，提高了表现精细细节的能力，缩小了占用空间，降低了平均误差率

    Mar, 2021

  • 实时反走样神经渲染的多尺度表示

    本文介绍了一种名为 Mip-VoG 的新的多尺度渲染技术，采用四线性插值将 3D 场景中的位置映射到其特征和密度。相比传统的 NeRF 和 Mip-NeRF 方法，Mip-VoG 在同时提高多尺度训练和实时抗锯齿渲染方面具有更好的性能。

    Apr, 2023

  • Tri-MipRF: 三维多层金字塔表示用于高效抗锯齿的神经辐射场

    我们提出了一种新的 Tri-Mip 编码方法，实现了神经辐射场的即时重建和抗锯齿高保真渲染，通过三个正交 mipmap 将预滤波的 3D 特征空间进行因式分解，从而以高效的方式进行三维区域采样，提高渲染质量而不牺牲效率。

    Jul, 2023

  • 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

  • 残差网络的有效抗锯齿方法

    通过在关键位置上放置不可训练的模糊滤波器和使用平稳激活函数来缓解频率混叠现象，这些简单的架构更改在图像分类和识别上产生了显著的提高，并且没有引入额外的可训练参数。

    Nov, 2020

  • Mip-NeRF 360：无界防锯齿神经辐射场

    本研究提出了一种名为 mĩp-NeRF 360 的模型，通过应用非线性场景参数化、在线蒸馏和一种新的基于畸变的正则化器，克服了 3D 场景中存在的挑战，在高度复杂的未限定真实世界场景中减少了均方误差 57％，能够提供逼真的合成视图和详细的深度图。

    Nov, 2021

  • 使用简单编辑的频率调制点云渲染

    本文提出了一种适用于新视角合成的有效的点云渲染管道，其中包括自适应频率调制模块，用以提供更丰富的频率支持并改善网络性能，并支持高保真度交互式编辑。实验结果也表明本方法在性能表现方面优于现有最先进技术。

    Mar, 2023

  • FPO++：通过分析和增强傅里叶八叉树有效编码和渲染动态神经辐射场

    通过对动态模型中的压缩引入的伪影进行深入分析，并利用所得的见解提出一种改进的表示方法，特别是提出了一种根据基于 Fourier 的压缩来适应底层体渲染过程的传递函数特征的新密度编码，从而显著减少动态模型中的伪影。此外，通过对训练数据的扩充来放松压缩的周期性假设。在合成和真实场景的定量和定性评估范围内展示了增强的 Fourier PlenOctrees 的有效性。

    Oct, 2023