基于多样性驱动的室内新视角合成视图子集选择
计算机视觉与模式识别
2025-05-22 v2 人工智能
摘要
室内场景的新视角合成可以通过捕捉环境的单目视频序列来实现。然而，输入视频数据中由于人为运动导致的冗余信息会降低场景建模的效率。为此，我们将该问题形式化为视图子集选择的组合优化任务。本文提出了一种新颖的子集选择框架，将综合性的多样性度量与精心设计的效用函数相结合。我们对这些效用函数进行了理论分析，并通过大量实验验证了其有效性。此外，我们引入了IndoorTraj数据集，用于室内新视角合成，具有复杂且延长的轨迹，模拟复杂的人类行为。在IndoorTraj数据集上的实验表明，我们的框架在仅使用5-20%的数据情况下始终优于基线策略，突显其卓越的效率和效果。代码已公开：https://github.com/zehao-wang/IndoorTraj
引用
@article{arxiv.2409.07098,
title = {Diversity-Driven View Subset Selection for Indoor Novel View Synthesis},
author = {Zehao Wang and Han Zhou and Matthew B. Blaschko and Tinne Tuytelaars and Minye Wu},
journal= {arXiv preprint arXiv:2409.07098},
year = {2025}
}
备注
12 pages, TMLR 2025