自适应沃罗诺伊NeRF
计算机视觉与模式识别
2023-03-31 v2 机器学习
摘要
神经辐射场（NeRFs）仅从一组已配准的图像中学习表示三维场景。场景规模增大需要更复杂的函数（通常由神经网络表示）来捕捉所有细节。训练和推理随后涉及每张图像对神经网络进行数百万次查询，变得不切实际地缓慢。由于此类复杂函数可被多个更简单函数替代以提高速度，我们展示了沃罗诺伊图层次结构是一种合适的场景划分选择。通过为每个沃罗诺伊单元配备其自身的NeRF，我们的方法能够快速学习场景表示。我们提出了一种直观的空间划分方式，通过在各网络间均匀分配信息来提升训练中的质量增益，并通过自顶向下的自适应细化避免伪影。我们的框架对底层NeRF方法不可知且易于实现，从而可应用于各种NeRF变体以提升学习和渲染速度。
引用
@article{arxiv.2303.16001,
title = {Adaptive Voronoi NeRFs},
author = {Tim Elsner and Victor Czech and Julia Berger and Zain Selman and Isaak Lim and Leif Kobbelt},
journal= {arXiv preprint arXiv:2303.16001},
year = {2023}
}