Aleth-NeRF：基于遮蔽场的低光照条件视角合成
计算机视觉与模式识别
2024-01-02 v2
摘要
常见的低光照场景采集对大多数计算机视觉技术（包括神经辐射场（NeRF））都具有挑战性。原始 NeRF 以观察者为中心，仅将渲染过程简化为沿视线方向从三维位置发光，因此无法建模低照度引起的暗化。受古希腊发射说（视觉感知由眼睛投射光线完成）启发，我们对原始 NeRF 做轻微修改，使其在低光照场景的多视角上训练，从而可以无监督方式渲染出光照良好的场景。我们引入了一个替代概念——遮蔽场（Concealing Fields），在体渲染阶段减少光的传输。具体而言，我们提出的方法 Aleth-NeRF 直接从暗图像学习体积物体表示及先验下的遮蔽场。通过简单消除遮蔽场，我们可以渲染单视角或多视角光照良好的图像，并取得优于其他 2D 低光照增强方法的性能。此外，我们收集了首个配对的低光照与正常光照多视角（LOM）数据集以供未来研究。此版本无效，请参考我们的新 AAAI 版本：arXiv:2312.09093
引用
@article{arxiv.2303.05807,
title = {Aleth-NeRF: Low-light Condition View Synthesis with Concealing Fields},
author = {Ziteng Cui and Lin Gu and Xiao Sun and Xianzheng Ma and Yu Qiao and Tatsuya Harada},
journal= {arXiv preprint arXiv:2303.05807},
year = {2024}
}
备注
website page: https://cuiziteng.github.io/Aleth_NeRF_web/, refer to new version: arXiv:2312.09093