基于体素网格的任意尺度超分辨NeRF（ASSR-NeRF）
计算机视觉与模式识别
2025-12-18 v2
摘要
NeRF方法通过构建辐射场来重建3D场景，采用隐式或显示表示。虽然NeRF方法能够在任意尺度下进行新视图合成（NVS），但在低分辨率（LR）优化下进行高分辨率新视图合成（HRNVS）常常导致过平滑。另一方面，单张图像超分辨率（SR）旨在增强LR图像为HR图像，但缺乏多视图一致性。为此，我们提出任意尺度超分辨率NeRF（ASSR-NeRF），一种用于超分辨率新视图合成（SRNVS）的新型框架。我们提出一种基于注意力机制的VoxelGridSR模型，直接在优化体积上执行3D超分辨率（SR）。我们的模型在多样化场景上进行训练，以确保通用性。对于未见的LR视图训练场景，我们可以直接应用VoxelGridSR对体积进行进一步细化，以实现多视图一致的SR。我们定量和定性地演示了所提方法在SRNVS方面的显著性能。
引用
@article{arxiv.2406.20066,
title = {ASSR-NeRF: Arbitrary-Scale Super-Resolution on Voxel Grid for High-Quality Radiance Fields Reconstruction},
author = {Ding-Jiun Huang and Zi-Ting Chou and Yu-Chiang Frank Wang and Cheng Sun},
journal= {arXiv preprint arXiv:2406.20066},
year = {2025}
}