DIVeR：基于确定性积分实现实时高精度体渲染的神经辐射场
计算机视觉与模式识别
2022-05-19 v2
摘要
DIVeR 建立在 NeRF 及其变体的关键思想——密度模型与体渲染——之上，以从少量图像中学习可逼真渲染的 3D 物体模型。与以往所有 NeRF 方法不同，DIVeR 对体渲染积分采用确定性估计而非随机估计。DIVeR 的表示是一种基于体素的特征场。为计算体渲染积分，一条射线被划分为若干区间，每个体素对应一个区间；利用 MLP 从各区间的特征估计体渲染积分的分量，并将这些分量聚合。因此，DIVeR 能够渲染出其他积分器遗漏的细长半透明结构。此外，与其他同类方法相比，DIVeR 的表示具有相对暴露的语义——在体素空间中移动特征向量即可实现自然的编辑。大量定性及定量对比表明，相较于当前最先进方法，DIVeR 生成的模型具有：(1) 达到或超越 SOTA 的渲染质量；(2) 未经烘焙即体积极小；(3) 未经烘焙即渲染极快；(4) 可进行自然编辑。
引用
@article{arxiv.2111.10427,
title = {DIVeR: Real-time and Accurate Neural Radiance Fields with Deterministic Integration for Volume Rendering},
author = {Liwen Wu and Jae Yong Lee and Anand Bhattad and Yuxiong Wang and David Forsyth},
journal= {arXiv preprint arXiv:2111.10427},
year = {2022}
}