- 移动设备上的高效神经光场
该研究论文介绍了一种新型网络结构,通过通道结构剪枝的压缩技术,可以在移动设备上高效运行,对于新颖视图合成、神经辐射场、神经光场和移动设备都具有重要的研究意义。
- 通过分解神经场表示可动化头像
使用双分支网络和体积渲染生成照片级逼真的 3D 人体图像,通过限制频率分量和观察帧一致性,实现了保留高频细节和确保身体轮廓一致性的高保真度人体 3D 模型重建。
- PruNeRF: 通过 3D 空间一致性进行分割中心数据集修剪
通过三维空间一致性的分段中心数据集修剪框架 PruNeRF,本文提出了一种有效地识别和修剪干扰因素的方法,该方法能够在处理神经辐射场 (NeRF) 训练图像中的干扰时表现出色。实验证明 PruNeRF 在对抗干扰因素方面始终优于现有方法。
- 双向引导辐射场处理
在 NeRF 训练阶段,通过图像信号处理与 3D ISP 技术分离现代相机的增强,并在后期应用用户期望的增强,从而提高新视角合成的视觉质量。
- $ extit {S}^3$Gaussian:自主驾驶的自我监督街道高斯分布
通过自我监督学习的方法,在不使用 3D 注释的情况下,我们提出了一种自适应街景高斯方法来分解静态和动态元素并取得最佳性能。
- CVPR野外无干扰 NeRFs 的即时利用不确定性
通过简单高效的方法,在复杂的野外场景中从仅仅随意捕捉的图像序列中合成新视角,去除干扰物以及极大地提高收敛速度,从而显著改进了现有技术,为 NeRF 在各种多样化的动态现实应用中开辟了新的研究方向。
- 单目胃镜中的新视角合成的神经辐射场
从预先获取的单眼胃镜图像中,构建胃内任意新视角图像合成是胃部诊断中一个有前途的课题。本文应用新兴的神经辐射场技术(NeRF)将单眼胃镜数据转化为合成逼真图像,通过引入几何先验提高了图像渲染质量,在胃内展示了高保真度的新视角图像。
- Mani-GS: 三角网格的高斯飞溅操作
利用三角形网格直接操纵三维高斯喷洒,实现可操作的逼真渲染,并通过三角形形状感知的高斯绑定和自适应方法,实现三维高斯喷洒的操纵和保持高保真渲染。
- 优化的三维高斯表示用于高质量动态场景重建
使用变形的多层感知器(MLP)网络捕捉动态偏移的高斯点并通过哈希编码和小型 MLP 来表示点的颜色特征,引入可学习的去噪掩模结合去噪损失以从场景中消除噪点,通过静态约束和运动一致性约束减轻点的运动噪声,实验证明我们的方法在渲染质量和速度上超 - PyGS: 使用金字塔形状的三维高斯投影进行大规模场景表示
通过使用金字塔式组装高斯函数的 3D 高斯喷射 (PyGS),结合 NeRF 初始化,我们在多个大规模数据集上实现了显著的性能提升,并获得超过当前最先进方法 400 倍以上的渲染时间。
- 无阴影神经光辐射场中的相机重新定位
本文提出了一种基于神经辐射场(NeRF)的两阶段流程,通过标准化具有不同光照和阴影条件的图像来改善相机重定位,并在基于哈希编码的 NeRF 上实现场景表示,进一步利用重新设计的截断动态低通滤波器(TDLF)和数值梯度平均技术来解决网格化 N - NeRF-Casting:改进的视角相关外观与一致反射
该论文提出了一种基于光线追踪的方法来解决 Neural Radiance Fields(NeRFs)在渲染高光物体时的困难,并成功合成了真实世界场景中的光泽外观和反射,同时优化和渲染速度与当前状态 - of-the-art 视图合成模型相当 - CVPR神经定向编码用于高效准确的视角相关外观建模
表面纹理质感特效物体的新视图合成科研,基于 Neural Directional Encoding 的神经辐射场 (NeRF) 表面编码,提升了高频角信号建模能力,并通过空间特征锥追踪获得不均匀的方向编码以处理复杂的交互反射效应。通过实验验 - 从 NeRF 到高斯点,然后回来
在机器人应用中,参数化表示如神经辐射场(NeRF)相较于非参数化表示如高斯分块(GS)更具泛化能力,但 GS 渲染速度更快。我们开发了一种在这两者之间进行转换的方法,既拥有 NeRF 的优势(在不同视图下具有更好的 PSNR、SSIM 和 - ICML稀疏输入的神经辉度场的协调网络与张量特征的协同集成提升
本研究提出一种将多平面表达与基于坐标的网络协同整合的方法,在处理稀疏输入的静态和动态神经辐射场时,实现了与显式编码相媲美的效果,且参数更少。
- TD-NeRF: 基于截断深度先验的联合相机姿态与神经辐射场优化
通过联合优化辐射场和相机姿态,利用截断深度先验实现了从未知相机姿态训练 NeRF 的新方法 TD-NeRF,通过三个关键进展:1)提出基于截断正态分布的新型基于深度的射线采样策略,改善了姿态估计的收敛速度和准确性;2)引入了逐步改进深度精确 - 通过 3D 高斯填充直接学习网格和外观
通过将不同可分辨外观模型与显式几何表示相结合,我们提出了一种可学习的场景模型,用于准确重构包含显式几何信息的三维场景,实验结果表明,该模型不仅在渲染质量方面达到了最新水平,而且还支持使用显式网格进行操作,并且具有适应场景更新的独特优势。
- Residual-NeRF: 学习透明物体操作的残差 NeRFs
通过提出一种名为 Residual-NeRF 的方法,能够改善不透明物体的深度感知和训练速度,该方法通过学习场景的背景 NeRF 并结合背景和残差 NeRFs 进行推断,提供了综合性和真实性实验证明 Residual-NeRF 能够改善透明 - Aerial-NeRF:大规模航空渲染的自适应空间划分和采样
基于 Neural Radiance Fields (NeRF) 的大规模航拍渲染模型 Aerial-NeRF 在适应不同飞行轨迹、提高渲染性能和覆盖整个建筑物等方面进行了三项创新性的改进,通过广泛实验证明了 Aerial-NeRF 的有效 - MM基于神经辐射场的工业机器人应用中的新视角合成
本研究评估了 Neural Radiance Fields 在工业机器人应用中的潜力,并提出了一种替代 Structure from Motion 预处理的方法,通过基于机器人运动学的度量尺度确定了精确的相机姿态,表明在具有挑战性的场景中具