动态外观粒子神经辐射场
计算机视觉与模式识别
2025-02-13 v3
摘要
神经辐射场（NeRFs）在三维场景建模中展现出巨大潜力。动态 NeRF 通过捕捉时变元素扩展该模型，通常采用形变场。现有动态 NeRF 对光辐射与形变场均采用类似的欧拉式表示，这导致外观与运动紧密耦合且缺乏物理解释。本文提出动态外观粒子神经辐射场（DAP-NeRF），引入基于粒子的表示来建模动态三维场景中视觉元素的运动。DAP-NeRF 由静态场与动态场叠加构成。动态场被量化为一组外观粒子，其携带场景中微小动态元素的视觉信息并配备运动模型。所有组件，包括静态场、粒子的视觉特征与运动模型，均从单目视频中学习，无需任何场景先验几何知识。我们为基于粒子的模型开发了高效计算框架，并构建了新数据集以评估运动建模。实验结果表明，DAP-NeRF 是捕捉三维动态场景中外观及具物理意义运动的有效技术。代码见：https://github.com/Cenbylin/DAP-NeRF。
引用
@article{arxiv.2310.07916,
title = {Dynamic Appearance Particle Neural Radiance Field},
author = {Ancheng Lin and Yusheng Xiang and Jun Li and Mukesh Prasad},
journal= {arXiv preprint arXiv:2310.07916},
year = {2025}
}