Enhance-NeRF：神经辐射场的多重性能评估
计算机视觉与模式识别
2023-06-09 v1
摘要
三维重建的质量是影响其在虚拟现实(VR)和增强现实(AR)等技术中应用效果的关键因素。神经辐射场(NeRF)能从任意视角生成逼真图像，同时重建物体的形状、光照与材质且无表面缺陷，打破了虚拟与现实的壁垒。NeRF所展现的重建场景与真实场景之间的潜在空间对应，提供了广泛的实际应用可能。尽管自NeRF引入以来三维重建取得显著进展，仍存在大量可探索与实验的空间。基于NeRF的模型易受彩色“雾”噪声干扰问题的影响，且在尝试重建无界场景时频繁遭遇不稳定与失败。此外，模型收敛耗时显著，使此类场景下的使用更具挑战。我们提出的方法称为Enhance-NeRF，其采用联合颜色以平衡低与高反射率物体显示，利用带先验知识的解码架构改善识别，并采用多层性能评估机制增强学习能力。它在单卡条件下于一小时内实现室外场景重建。基于实验结果，Enhance-NeRF部分增强了拟合能力，并为室外场景重建提供一定支持。Enhance-NeRF方法可作为即插即用组件，易于与其他基于NeRF的模型集成。代码见：https://github.com/TANQIanQ/Enhance-NeRF
引用
@article{arxiv.2306.05303,
title = {Enhance-NeRF: Multiple Performance Evaluation for Neural Radiance Fields},
author = {Qianqiu Tan and Tao Liu and Yinling Xie and Shuwan Yu and Baohua Zhang},
journal= {arXiv preprint arXiv:2306.05303},
year = {2023}
}