AG-NeRF：基于注意力引导的多高度大规模户外场景神经辐射场
计算机视觉与模式识别
2024-04-19 v1
摘要
现有的基于神经辐射场 (NeRF) 的大规模户外场景新视角合成方法主要基于单一高度构建，且常需预先设定摄像机拍摄高度和场景范围，当摄像机高度变化时导致应用效率低下且不切实际。本文提出一种端到端框架，称为 AG-NeRF，通过基于不同高度场景合成自由视角图像，以减少构建良好重建的训练成本。具体而言，为解决从低高度（无人机级）到高高度（卫星级）之间细节变化问题，开发了源图像选择方法和基于注意力的特征融合方法，从多高度图像中提取并融合目标视图的最相关特征，以实现高保真渲染。广泛的实验表明，AG-NeRF 在 56 个 Leonard 和 Transamerica 数据集基准上实现了最新技术性能，且仅需半小时训练时间即可达到与最新 BungeeNeRF 相当的 PSNR。
引用
@article{arxiv.2404.11897,
title = {AG-NeRF: Attention-guided Neural Radiance Fields for Multi-height Large-scale Outdoor Scene Rendering},
author = {Jingfeng Guo and Xiaohan Zhang and Baozhu Zhao and Qi Liu},
journal= {arXiv preprint arXiv:2404.11897},
year = {2024}
}