DualNeRF：基于双场表示的文本驱动3D场景编辑
计算机视觉与模式识别
2025-02-25 v1
摘要
最近，去噪扩散模型在2D图像生成与编辑方面取得了令人振奋的成果。Instruct-NeRF2NeRF（IN2N）通过“迭代数据更新”（IDU）策略将扩散技术引入3D场景编辑，虽然取得了精彩的结果，但IN2N存在背景模糊和陷入局部最优点的困扰。第一个问题源于IN2N缺乏有效的背景维护指导，而第二个问题则源于图像编辑与NeRF训练之间的相互作用。在本工作中，我们引入DualNeRF以解决这些问题。我们提出一种双场表示用于保留原始场景的特征，并将其作为额外指导在IDU期间维持背景。此外，我们嵌入一种模拟退火策略以赋予模型处理局部最优问题的能力。我们采用CLIP-based一致性指标进一步提高编辑质量，通过过滤低质量编辑。大量实验表明，我们的方法在定性和定量分析上均优于先前方法。
引用
@article{arxiv.2502.16302,
title = {DualNeRF: Text-Driven 3D Scene Editing via Dual-Field Representation},
author = {Yuxuan Xiong and Yue Shi and Yishun Dou and Bingbing Ni},
journal= {arXiv preprint arXiv:2502.16302},
year = {2025}
}