Exact-NeRF：对神经辐射场精确体素参数化的探索
计算机视觉与模式识别
2023-03-28 v2 图形学
摘要
神经辐射场（NeRF）因能以极高精度合成新场景视图而备受关注。然而，在其基础公式中，沿零宽度射线对点进行采样可能导致模糊的表示，进而在最终场景中引发如走样等渲染伪影。为解决此问题，近期变体 mip-NeRF 提出了基于锥形视锥的积分位置编码（IPE）。尽管其以积分形式表达，mip-NeRF 却将该积分近似为多元高斯分布的期望值。该近似对短视锥可靠，但在高度拉长区域（处理大景深下远处场景物体时出现）时性能下降。本文中，我们探索使用基于金字塔的积分公式而非近似的锥形公式来精确计算 IPE。我们将此公式记为 Exact-NeRF，并提出了首个在 NeRF 领域内对 IPE 提供精确解析解的算法。我们的探索性工作表明，此种精确公式 Exact-NeRF 匹配 mip-NeRF 的精度，且无需进一步修改即可自然扩展到更具挑战性的场景，如非受限场景。我们的贡献旨在解决早期 NeRF 工作中迄今未被探索的视锥近似问题，并为未来 NeRF 扩展中考虑解析解的潜在方向提供见解。
引用
@article{arxiv.2211.12285,
title = {Exact-NeRF: An Exploration of a Precise Volumetric Parameterization for Neural Radiance Fields},
author = {Brian K. S. Isaac-Medina and Chris G. Willcocks and Toby P. Breckon},
journal= {arXiv preprint arXiv:2211.12285},
year = {2023}
}
备注
15 pages,10 figures