Explicit-NeRF-QA：面向显式 NeRF 模型压缩的质量评估数据库
图像与视频处理
2024-09-23 v3 计算机视觉与模式识别
摘要
近年来，神经辐射场 (NeRF) 在表示和合成 3D 场景方面展现出显著优势。显式 NeRF 模型由于渲染速度更快，便于实际应用，也因其巨大的存储成本而受到 NeRF 压缩领域的广泛关注。为解决 NeRF 压缩研究的挑战，本文构建了一个新数据集，称为 Explicit-NeRF-QA。我们使用具有多样几何形状、纹理和材料复杂度的 22 个 3D 对象，在五个参数水平上训练四种典型的显式 NeRF 模型。引入有损压缩作为模型生成过程中的步骤，依据 InstantNGP 的哈希表大小和 Plenoxels 的体素网格分辨率等关键参数进行选择。通过将 NeRF 样本渲染为处理后的视频序列 (PVS)，开展了大规模主观实验，采用实验室环境收集来自 21 名观众的主观评分。该数据集的多样性、均分意见分数 (MOS) 的准确性以及 NeRF 失真的特征得到全面呈现，确立了所提出数据集的异质性。对新数据集进行了最先进的客观指标测试。来自全参考客观指标的最佳人员相关系数约为 0.85。所有测试的无参考指标报告结果极差，相关系数在 0.4 到 0.6 之间，表明需要进一步发展更稳健的无参考指标。该数据集包括 NeRF 样本、源 3D 对象、用于 NeRF 生成的多视图图像、PVS、MOS，现已公开发布于：https://github.com/YukeXing/Explicit-NeRF-QA。
引用
@article{arxiv.2407.08165,
title = {Explicit-NeRF-QA: A Quality Assessment Database for Explicit NeRF Model Compression},
author = {Yuke Xing and Qi Yang and Kaifa Yang and Yilin Xu and Zhu Li},
journal= {arXiv preprint arXiv:2407.08165},
year = {2024}
}
备注
5 pages, 4 figures, 2 tables, conference