面向足球场景的动态神经辐射场

新视角合成这一长期存在的问题拥有诸多应用，尤其在体育转播中。特别是，足球动作的真实感新视角合成对转播行业具有巨大吸引力。然而，目前仅提出了少数工业方案，且能达到近转播级合成回放质量的更少。除在球场周围布置多台静态摄像机的设置外，最佳的专有系统几乎未披露其内部运作的任何信息。利用多台静态摄像机处理此类任务确实鲜有文献涉足，其难点在于缺乏公开数据集：即重建一个大体静态、但含有微小快速移动元素的大规模环境。近来，神经辐射场的出现推动了众多新视角合成应用的惊人进展，其借助深度学习原理在最富挑战性的设定下产出真实感结果。本文中，我们探究以动态 NeRF（即旨在重建通用动态内容的神经模型）为基础解决该任务的可行性。我们构建合成足球环境并据此开展多项实验，识别出有助于以动态 NeRF 重建足球场景的关键组件。我们表明，尽管该方法尚无法完全满足目标应用的品质要求，但其指明了通向高性价比、自动化解决方案的有前景途径。我们同时公开了工作的数据集与代码，以期鼓励研究界在动态足球场景新视角合成任务上付出进一步努力。有关代码、数据与视频结果，请见 https://soccernerfs.isach.be。