利用去模糊网络实现辐射场
计算机视觉与模式识别
2025-03-25 v2
摘要
本文提出一种新颖的辐射场去模糊方法DeepDeblurRF，可从模糊的训练视图合成高质量的新视图，且训练时间显著减少。DeepDeblurRF 利用基于深度神经网络 (DNN) 的去模糊模块，既享受其去模糊性能，又具备计算效率。为有效融合 DNN 基于去模糊和辐射场构建，我们提出一种 novel 的辐射场 (RF) 指导去模糊方法，并提出一种迭代框架，交替进行 RF 指导去模糊和辐射场构建。此外，DeepDeblurRF 与各种场景表示兼容，如体素网格和 3D 高斯，拓宽了其适用性。我们还介绍了 BlurRF-Synth，即首个用于训练辐射场去模糊框架的大规模合成数据集。我们在相机运动模糊和景深模糊上进行了大量实验，表明DeepDeblurRF 在显著减少训练时间的同时，实现了 state-of-the-art 的新视角合成质量。
引用
@article{arxiv.2502.14454,
title = {Exploiting Deblurring Networks for Radiance Fields},
author = {Haeyun Choi and Heemin Yang and Janghyeok Han and Sunghyun Cho},
journal= {arXiv preprint arXiv:2502.14454},
year = {2025}
}
备注
Accepted to CVPR 2025. Project page: https://haeyun-choi.github.io/DDRF_page/