深入探究室外神经辐射场的深度先验
计算机视觉与模式识别
2023-08-09 v1
摘要
神经辐射场（NeRF）在视觉与图形学任务（如新视角合成与沉浸式现实）中展现了令人印象深刻的性能。然而，辐射场的形状-辐射歧义性仍是一个挑战，尤其在稀疏视角设置下。近期工作借助将深度先验整合进室外 NeRF 训练以缓解该问题。然而，深度先验的选取标准以及不同先验的相对优劣尚未被充分研究。此外，选用不同方式来使用深度先验的相对优劣同样是一个未被探索的问题。本文针对将深度先验应用于室外神经辐射场进行了全面的研究与评估，涵盖了常见的深度感知技术与大多数应用方式。具体而言，我们在两个广泛使用的室外数据集上，以两种代表性 NeRF 方法结合四种常用深度先验及不同深度使用方式开展了大量实验。我们的实验结果揭示了若干有趣发现，有望裨益于使用深度先验训练其 NeRF 模型的实践者与研究者。项目主页：https://cwchenwang.github.io/outdoor-nerf-depth
引用
@article{arxiv.2308.04413,
title = {Digging into Depth Priors for Outdoor Neural Radiance Fields},
author = {Chen Wang and Jiadai Sun and Lina Liu and Chenming Wu and Zhelun Shen and Dayan Wu and Yuchao Dai and Liangjun Zhang},
journal= {arXiv preprint arXiv:2308.04413},
year = {2023}
}
备注
Accepted to ACM MM 2023. Project Page: https://cwchenwang.github.io/outdoor-nerf-depth