探索三维感知潜空间以高效学习大量场景
计算机视觉与模式识别
2024-05-20 v2 机器学习
摘要
我们提出了一种能够将 NeRF 扩展到学习大量语义相似场景的方法。我们结合两种技术来改善所需的训练时间和每个场景的内存开销。首先，我们学习一个三维感知潜空间，并在其中训练 Tri-Plane 场景表示，从而降低学习场景的分辨率。此外，我们提出了一种跨场景共享公共信息的方法，从而降低学习特定场景的模型复杂度。在训练 1000 个场景时，我们的方法将每个场景的有效内存开销降低了 44%，每个场景的时间开销降低了 86%。我们的项目页面位于 https://3da-ae.github.io 。
引用
@article{arxiv.2403.11678,
title = {Exploring 3D-aware Latent Spaces for Efficiently Learning Numerous Scenes},
author = {Antoine Schnepf and Karim Kassab and Jean-Yves Franceschi and Laurent Caraffa and Flavian Vasile and Jeremie Mary and Andrew Comport and Valérie Gouet-Brunet},
journal= {arXiv preprint arXiv:2403.11678},
year = {2024}
}
备注
Camera-ready version accepted at 3DMV-CVPR 2024