AIM 2024 稀疏神经渲染挑战：方法与结果
计算机视觉与模式识别
2024-09-24 v1
摘要
本文综述了稀疏神经渲染挑战的结果，该挑战是与 ECCV 2024 共同举办的 Advances in Image Manipulation (AIM) 工作坊的一部分。本稿重点关注竞赛设置、提出的方法及其结果。该挑战旨在从稀疏图像观察中生成多样化场景的新型相机视角合成。该挑战包含两个轨道，稀疏程度不同；轨道 1 中为 3 个视角（非常稀疏），轨道 2 中为 9 个视角（稀疏）。参赛者需优化其对真实图像的目标保真度，测度指标为峰值信噪比 (PSNR)。对于两个轨道，我们使用新引入的稀疏渲染 (SpaRe) 数据集和流行的 DTU MVS 数据集。在本次挑战中，5 支队伍提交轨道 1 的最终结果，4 支队伍提交轨道 2 的最终结果。提交的模型各不相同，且推动了当前稀疏神经渲染的 SOTA（state-of-the-art）水平不断前进。本文详细描述了挑战中开发的所有模型。
引用
@article{arxiv.2409.15045,
title = {AIM 2024 Sparse Neural Rendering Challenge: Methods and Results},
author = {Michal Nazarczuk and Sibi Catley-Chandar and Thomas Tanay and Richard Shaw and Eduardo Pérez-Pellitero and Radu Timofte and Xing Yan and Pan Wang and Yali Guo and Yongxin Wu and Youcheng Cai and Yanan Yang and Junting Li and Yanghong Zhou and P. Y. Mok and Zongqi He and Zhe Xiao and Kin-Chung Chan and Hana Lebeta Goshu and Cuixin Yang and Rongkang Dong and Jun Xiao and Kin-Man Lam and Jiayao Hao and Qiong Gao and Yanyan Zu and Junpei Zhang and Licheng Jiao and Xu Liu and Kuldeep Purohit},
journal= {arXiv preprint arXiv:2409.15045},
year = {2024}
}
备注
Part of Advances in Image Manipulation workshop at ECCV 2024