Block-NeRF：可扩展的大场景神经视图合成
计算机视觉与模式识别
2022-02-11 v1 图形学
摘要
我们提出 Block-NeRF，这是神经辐射场的一种变体，能够表示大规模环境。具体来说，我们证明，当扩展 NeRF 以渲染跨越多个街区的城市规模场景时，将场景分解为单独训练的 NeRF 至关重要。这种分解将渲染时间与场景大小解耦，使渲染能够扩展到任意大的环境，并允许对环境进行逐块更新。我们采用了若干架构上的修改，以使 NeRF 对在不同环境条件下历经数月采集的数据具有鲁棒性。我们为每个单独的 NeRF 添加了外观嵌入、学习到的位姿优化和可控曝光，并引入了一种对齐相邻 NeRF 之间外观的程序，使它们能够无缝组合。我们利用 280 万张图像构建了一个 Block-NeRF 网格，创建了迄今为止最大的神经场景表示，能够渲染旧金山的整个街区。
引用
@article{arxiv.2202.05263,
title = {Block-NeRF: Scalable Large Scene Neural View Synthesis},
author = {Matthew Tancik and Vincent Casser and Xinchen Yan and Sabeek Pradhan and Ben Mildenhall and Pratul P. Srinivasan and Jonathan T. Barron and Henrik Kretzschmar},
journal= {arXiv preprint arXiv:2202.05263},
year = {2022}
}
备注
Project page: https://waymo.com/research/block-nerf/