ARC-NeRF：基于面积射光的神经辐射场，实现更广泛的无见视图覆盖用于零样本物体渲染

最近的神经辐射场(NeRF)技术提高了其小样本新视图合成的能力，但其对密集多视图训练图像的依赖常导致出现伪影且难以呈现精细物体细节。为此，我们提出ARC-NeRF，一种基于正则化的有效方法，采用新颖的面积射光策略。虽然先前的射光增强方法仅能覆盖单个无见视图，但我们提出的面积射光只需一条射光即可覆盖更广泛的无见视图，并实现基于目标像素照一致性的自适应高频正则化。此外，我们提出了亮度一致性正则化，增强了原始面积射光之间相对亮度的一致性，从而实现更精确的物体纹理。由于RGB图像中易得的相对亮度可为零样本场景中有限的训练数据提供有效利用。我们的ARC-NeRF在多个基准测试上超越其基线模型，实现了具备锐利渲染细节的竞争成绩。