DoubleField：融合神经表面场与辐射场的高保真人体重建与渲染
计算机视觉与模式识别
2022-03-29 v4
摘要
我们提出DoubleField，一种结合表面场与辐射场两者优势、用于高保真人体重建与渲染的新框架。在DoubleField中，表面场与辐射场通过共享特征嵌入与表面引导采样策略相关联。此外，引入视图到视图变换器以融合多视图特征并直接从高分辨率输入中学习视角相关特征。借助DoubleField与视图到视图变换器的建模能力，我们的方法显著提升了几何与外观的重建质量，同时支持直接推理、场景特定的高分辨率微调及快速渲染。DoubleField的有效性通过多个数据集上的定量评估及真实世界稀疏多视图系统中的定性结果得到验证，展现出其在高质量人体模型重建与照片级真实自由视角人体渲染上的优越能力。数据与源代码将公开以供研究使用。请参见我们的项目页面：http://www.liuyebin.com/dbfield/dbfield.html。
引用
@article{arxiv.2106.03798,
title = {DoubleField: Bridging the Neural Surface and Radiance Fields for High-fidelity Human Reconstruction and Rendering},
author = {Ruizhi Shao and Hongwen Zhang and He Zhang and Mingjia Chen and Yanpei Cao and Tao Yu and Yebin Liu},
journal= {arXiv preprint arXiv:2106.03798},
year = {2022}
}