从受限单目视频扩展动态场景的新视角合成
计算机视觉与模式识别
2025-12-17 v1
摘要
在动态神经辐射场（NeRF）系统中，最先进的新视角合成方法在视角显著偏离时往往失效，产生不稳定且不真实的渲染结果。为解决此问题，我们引入了 Expanded Dynamic NeRF（ExpanDyNeRF），这是一个单目 NeRF 框架，利用高斯泼溅先验与伪真值生成策略，以实现大角度旋转下的真实感合成。ExpanDyNeRF 优化密度与颜色特征，以改善具有挑战性视角下的场景重建。我们还提出了 Synthetic Dynamic Multiview（SynDM）数据集，这是首个针对动态场景并带有显式侧视图监督的合成多视角数据集——使用定制的基于 GTA V 的渲染管线创建。在 SynDM 与真实世界数据集上的定量与定性结果表明，ExpanDyNeRF 在极端视角偏移下的渲染保真度显著优于现有的动态 NeRF 方法。更多细节见补充材料。
引用
@article{arxiv.2512.14406,
title = {Broadening View Synthesis of Dynamic Scenes from Constrained Monocular Videos},
author = {Le Jiang and Shaotong Zhu and Yedi Luo and Shayda Moezzi and Sarah Ostadabbas},
journal= {arXiv preprint arXiv:2512.14406},
year = {2025}
}