主动视角选择：基于交叉参考图像质量评估的快速精准方法
计算机视觉与模式识别
2025-06-25 v1
摘要
我们解决新视角合成和3D重建中的主动视角选择问题。现有方法如FisheRF和ActiveNeRF通过最小化3D空间中的不确定性或最大化信息增益来选择下一个最佳视角，但它们需要为不同的3D表示设计专用方案，并涉及3D空间中的复杂建模。相反，我们将其重新定义为2D图像质量评估（IQA）任务，选择当前渲染在质量最差的视角。由于候选视角的真实图像不可用，全参考指标如PSNR和SSIM不可用，而无参考指标如MUSIQ和MANIQA缺乏必需的多视角上下文。灵感来自最近的交叉参考质量框架CrossScore，我们训练一个模型在多视角设置下预测SSIM，以此指导视角选择。我们的方法在标准基准测试中在定量和定性方面均实现了显著的改进，同时对3D表示具有无关性，速度比现有方法快14-33倍。
引用
@article{arxiv.2506.19844,
title = {Active View Selector: Fast and Accurate Active View Selection with Cross Reference Image Quality Assessment},
author = {Zirui Wang and Yash Bhalgat and Ruining Li and Victor Adrian Prisacariu},
journal= {arXiv preprint arXiv:2506.19844},
year = {2025}
}
备注
Project page: https://avs.active.vision/