DDNeRF：深度分布神经辐射场
计算机视觉与模式识别
2022-04-01 v1 图形学
摘要
近年来，隐式神经表示领域取得了显著进展。诸如神经辐射场（NeRF）等模型使用相对较小的神经网络，即可表示高质量场景，并在新视角合成上取得最先进（SOTA）结果。然而，训练此类网络在计算上仍非常昂贵。我们提出深度分布神经辐射场（DDNeRF），一种新方法，在训练期间显著提升沿射线的采样效率，同时在给定采样预算下取得更优结果。DDNeRF 通过学习沿射线更精确的密度分布表示来实现这一点。更具体地，我们训练一个粗模型，除预测输入体素的总密度外，还预测其透明度的内部分布。该更精细的分布随后引导细模型的采样过程。该方法使我们能在训练中使用更少样本，同时降低计算资源。
引用
@article{arxiv.2203.16626,
title = {DDNeRF: Depth Distribution Neural Radiance Fields},
author = {David Dadon and Ohad Fried and Yacov Hel-Or},
journal= {arXiv preprint arXiv:2203.16626},
year = {2022}
}