编辑条件辐射场

神经辐射场（NeRF）是一种支持高质量新视角合成、按场景优化的场景模型。本文中，我们探索对用户可编辑的类别级 NeRF（也称为条件辐射场，其在一类形状上训练）的启用。具体而言，我们提出一种将粗糙的 2D 用户涂鸦传播到 3D 空间以修改局部区域颜色或形状的方法。首先，我们提出一个包含新模块化网络组件的条件辐射场，包括跨目标实例共享的形状分支。通过观察同一类别的多个实例，我们的模型在没有任何监督的情况下学习潜在的部件语义，从而允许将粗糙的 2D 用户涂鸦传播到整个 3D 区域（例如椅座）。接下来，我们提出一种针对特定网络组件的混合网络更新策略，以平衡效率与精度。在用户交互期间，我们构建一个同时满足用户约束并保留原始目标结构的优化问题。我们在三个形状数据集上的各种编辑任务中展示了我们的方法，并显示其优于先前的神经编辑方法。最后，我们编辑真实照片的外观和形状，并展示编辑传播到外推的新视角。