直接体素网格优化：辐射场重建的超快收敛
计算机视觉与模式识别
2022-06-06 v2
摘要
我们提出一种超快收敛方法，从一组以已知位姿捕捉场景的图像中重建逐场景辐射场。该任务常用于新视角合成，近来被神经辐射场(NeRF)以其最先进的品质与灵活性所革新。然而，NeRF及其变体在单个场景上需要数小时至数天的漫长训练时间。相比之下，我们的方法在单个GPU上以不到15分钟从零开始快速收敛，并取得可与NeRF媲美的品质。我们采用由用于场景几何的密度体素网格和带有浅层网络的特性体素网格组成的表示来处理复杂的视角相关外观。使用显式离散化体积表示并非新事，但我们提出两种简单却非平凡的技术，有助于快速收敛速度与高品质输出。首先，我们引入体素密度上的激活后插值，能够在较低网格分辨率下生成锐利表面。其次，直接体素密度优化易陷入次优几何解，因此我们通过施加若干先验使优化过程鲁棒化。最后，在五个内向基准上的评估表明，我们的方法匹配甚至超越NeRF的品质，但仅约需15分钟从零训练一个新场景。
引用
@article{arxiv.2111.11215,
title = {Direct Voxel Grid Optimization: Super-fast Convergence for Radiance Fields Reconstruction},
author = {Cheng Sun and Min Sun and Hwann-Tzong Chen},
journal= {arXiv preprint arXiv:2111.11215},
year = {2022}
}
备注
Project page at https://sunset1995.github.io/dvgo/ ; Code at https://github.com/sunset1995/DirectVoxGO