- MM挖掘室外神经辐射场的深度先验
通过在室外神经辐射场中使用深度先验方法,本研究对常见的深度感知技术和各种应用方式进行了全面的研究和评估,实验证明了一些有趣的发现,有助于实践者和研究人员在训练具有深度先验的神经辐射场模型时获得更好的效果。
- NeRFs: 最佳三维表示的探索
Neural Radiance Fields (NeRFs) are a new representation of 3D scenes for view synthesis and image-based rendering, widel - 具有神经调谐层析术(NeTT)和掩模神经辐射场(mNeRF)的稳健单视锥形束 X 射线姿态估计
基于 X 射线投影的位姿估计问题,提出了两种高保真度视角综合方法,Neural Tuned Tomography (NeTT) 和 masked Neural Radiance Fields (mNeRF),并展示了它们在该框架内明显改善位 - 使用伪深度和融合改进的神经辐射场
通过构建多尺度编码体积和提供多尺度几何信息给 NeRF 模型,本文在新颖视角合成和密集几何建模方面提出了一种先进行深度预测和辐射场重建,以使构建的体积尽可能接近场景中物体的表面和渲染的深度更准确,然后通过深度引导的邻域特征融合,提高点体积特 - 学习核调制神经表示用于高效光场压缩
本文提出了一种基于深度神经网络的光场压缩方法,采用描述性卷积核和调节卷积核相结合的策略使压缩后的数据更精简,同时保持较高的质量,并同时达到了视角的重建和合成。
- 神经光谱偏振场
本文提出了一种名为 NeSpoF 的神经表征,用于建模光谱偏振场,可展现光谱和极化特性,同时对现实世界中的场景进行了多视角高光谱偏振成像。
- 从 NeRFLiX 到 NeRFLiX++:一种通用的 NeRF - 不可知恢复器范式
提出了一种名为 NeRFLiX 的方法,通过利用一个去除降级驱动的视角混合器和一种新的相机降级模型,进一步提高了 NeRF 模型的表现,在各种新视图综合基准测试中表现出色。
- BeyondPixels:神经辐射场演变的综合综述
本文综述了近年来神经辐射场(NeRF)技术在 3D 渲染和视角合成领域的最新研究进展和其不同的架构设计。
- PanoGRF:适用于大基线全景的通用球面辐射场
本研究针对虚拟现实中宽基线全景图像合成新视角仍是一个挑战这一问题,提出了一种全景泛化球面辐射场 (PanoGRF) 方法。经过实验验证,该方法在多个全景数据集上均表现出优秀的性能,超过当前视角综合方法。
- HashCC: 提高无摄像机 NeRF 场景生成质量的轻量级方法
这篇论文介绍了 Hash Color Correction(HashCC),一种轻量级的改善神经辐射场图像渲染质量的方法。HashCC 不需要每张图像的相机位置,所以适用于相机位置未知的情况。
- 神经辐射场(NeRFs):综述与一些最近的发展
Neural Radiance Field (NeRF) is a framework representing a 3D scene with MLP, achieving state-of-the-art photorealistic - 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。
- 大规模场景运动模糊的混合神经渲染
本研究提出了一种混合神经渲染模型,将基于图像的表示和神经 3D 表示结合起来,以渲染高质量,视图一致的图像,并在训练过程中通过预计算的质量感知权重来降低模糊图像的影响,从而在新视图合成方面超越了现有的以点为基础的方法。
- 参考引导型可控神经辐射场修复
本文提出了一种使用神经辐射场(NeRF)编辑工具进行图像修补的方法,仅需要一个修补后的场景参考视图和模板,通过新颖的渲染技术和基于图像修补工具的方法,可以在非参考视图上构造视图相关的效果,提供了更好的修补性能和用户控制。
- 基于学习的光场压缩空间与角度信息分离
本文介绍了一种新型神经网络,它可以通过使用不同的角核和空间核来区分光场的角度信息和空间信息,并且该网络在压缩和视角合成任务中取得了极好的效果。
- NeRFVS: 基于几何支架的自由视点综合的神经辐射场
NeRFVS 利用全貌因子指导 NeRF 的学习,并提出两个损失函数解决几何和颜色模糊性,经实验证明在室内场景的自由导航中,优于现有的视角合成方法,实现了高保真度的自由导航结果。
- 使用深度感知优化提高神经辐射场用于新景深合成
SfMNeRF 提出了一种基于神经辐射场的方法,结合自监督深度估计方法对样本进行重构,同时利用极线和光度一致性等约束构建 3D 场景几何图像,提高了神经辐射场的表现,实现了更好地合成新视角。
- CVPRF$^{2}$-NeRF: 基于自由相机轨迹的快速神经辐射场训练
本文介绍了一种用于新视角合成的新型基于网格的 NeRF,名为 F2-NeRF。它能够处理任意输入相机轨迹,仅需要几分钟的训练时间。本文深入探讨了空间扭曲的机制以处理不受限制的场景,并提出了一种新的基于透视的空间扭曲方法,能够处理基于网格的 - CVPR动态高光物体的神经辐射场(NeRF-DS)
本文提出了一种基于动态神经辐射场的算法,通过表面的位置和朝向在观测空间中进行条件化,像素的渲染基于不同姿态下的表面反射的颜色来实现遮挡的效果,有效地改善了单目 RGB 视频中移动高光物体的重建质量。
- CVPR结构化多平面图像:桥接神经视图合成和 3D 重建
本文提出了一种称为 S-MPI 的新型多平面图像表示,这种表示可以有效地完成利用稀疏数据进行的视图合成任务,同时可以代表三维场景,本文使用基于转换器的网络处理 S-MPI 描述的数据,通过共享全局代理嵌入来保证多视图一致性,并且在包含多个局