CAwa-NeRF：压缩感知 NeRF 特征的即时学习
计算机视觉与模式识别
2023-10-24 v1
摘要
通过体素特征网格建模三维场景是改进神经辐射场（NeRF）的神经近似的有前景方向之一。Instant-NGP（INGP）从可训练特征网格查找表引入多分辨率哈希编码，使得在数秒内学习高质量神经图形基元成为可能。然而，这一改进以更高的存储大小为代价。在本文中，我们通过引入压缩感知 NeRF 特征的即时学习（CAwa-NeRF）来解决这一挑战，它能够在模型训练结束时导出 zip 压缩的特征网格，额外时间开销可忽略不计，且无需改变原始 INGP 论文中使用的存储架构或参数。此外，所提方法不限于 INGP，也可适配任意模型。通过大量仿真，我们提出的即时学习流程在不同类型的静态场景（如单物体掩膜背景场景和我们在工作室捕获的真实场景）上取得了令人印象深刻的结果。特别地，对于单物体掩膜背景场景，CAwa-NeRF 将特征网格压缩至原始大小的 6%（1.2 MB）且不损失 PSNR（33 dB），或压缩至 2.4%（0.53 MB）且仅轻微虚拟损失（32.31 dB）。
引用
@article{arxiv.2310.14695,
title = {CAwa-NeRF: Instant Learning of Compression-Aware NeRF Features},
author = {Omnia Mahmoud and Théo Ladune and Matthieu Gendrin},
journal= {arXiv preprint arXiv:2310.14695},
year = {2023}
}
备注
10 pages, 9 figures