通过稀疏视角中的深度和法线完成先验增强神经辐射场

Jul, 2024

通过稀疏视角中的深度和法线完成先验增强神经辐射场

Enhancing Neural Radiance Fields with Depth and Normal Completion Priors from Sparse Views

Jiawei Guo, HungChyun Chou, Ning Ding

TL;DR通过添加深度和法线的稠密完成先验方法，我们提出了一种用于NeRF的Depth and Normal Dense Completion Priors (CP_NeRF)框架，该框架能够改善视图渲染的准确性，并在渲染NeRF的法线输出时综合了光学中心位置嵌入器和法线匹配技术，以提供更准确的模型监督。

Abstract

neural radiance fields (nerf) are an advanced technology that creates highly realistic images by learning about scenes through a neural network model. However, →

发现论文，激发创造

DONeRF: 使用深度预测网络实现紧凑神经辐射场的实时渲染

该论文提出了一种名为DONeRF的紧凑型深度预测神经网络设计，通过将样本放置在场景中的表面上，不会损失图像质量的前提下，可将每个视角光线所需的样本数量大大降低，在渲染合成内容时，相比NeRF减少了高达48倍的推理成本。

Mar, 2021

利用神经辐射场实现实时视图合成

该论文提出了一种名为 Sparse Neural Radiance Grid 的新方法，它使用学习的稀疏体素网格表示，通过对神经辐射场（Neural Radiance Fields）进行预处理和存储（烘焙）来实现实时渲染。通过该方法，可以在以往的基础上保留了NeRF渲染精细几何细节和视图相关外观的能力，实现在普通硬件上进行实时渲染。

Mar, 2021

深度监督下的 NeRF：更少的视角和更快的训练

通过引入深度监督机制，结合 SFM（结构光运动）得到的“自由”深度监督信息，在学习 Radiance Fields 的过程中对射线的结束点进行分布的损失函数，并且证明这种监督方式简单有效，可以使得渲染图像更加精准，支持其它类型的深度监督。

Jul, 2021

NeRFReN: 具有反射特性的神经辐射场

该研究提出了NeRFReN，它是基于NeRF的，能够建模带有反射的场景，并将场景分为透射和反射组件，用单独的神经辐射场来建模两个组件，以实现高质量的新视图综合和深度估计结果。

Nov, 2021

从稀疏的输入视图推断神经辐射场的密集深度先验

本文提出了一种利用深度先验来优化神经光辐射场模型的新方法，可在使用尽可能少的输入图像进行室内场景的数据有效的新视角合成中实现高保真度。

Dec, 2021

ViP-NeRF：稀疏输入神经辐射场的可见性先验

通过使用可靠的可见性先验计算，对 NeRF 模型进行训练和重构，实现了对场景的高质量视角转换，相较于传统的基于深度估计的约束方法有显著提升。