面向动态场景的快速高动态范围辐射场
计算机视觉与模式识别
2024-01-12 v1 图形学
摘要
神经辐射场（NeRF）及其扩展在表示三维场景和合成新视角图像方面取得了巨大成功。然而，大多数 NeRF 方法以低动态范围（LDR）图像作为输入，这可能会丢失细节，尤其是在非均匀光照条件下。一些先前的 NeRF 方法尝试引入高动态范围（HDR）技术，但主要针对静态场景。为了将 HDR NeRF 方法扩展到更广泛的应用中，我们提出了一种动态 HDR NeRF 框架，名为 HDR-HexPlane，它可以从以不同曝光度捕获的动态二维图像中学习三维场景。我们构建了一个可学习的曝光映射函数，为每张图像获取自适应曝光值。基于单调递增先验，设计了一个相机响应函数以实现稳定学习。利用所提出的模型，可以在任意时间点以任意期望的曝光度渲染出高质量的新视角图像。我们进一步构建了一个包含多个以不同曝光度捕获的动态场景的数据集用于评估。所有数据集和代码可在 \url{https://guanjunwu.github.io/HDR-HexPlane/} 获取。
引用
@article{arxiv.2401.06052,
title = {Fast High Dynamic Range Radiance Fields for Dynamic Scenes},
author = {Guanjun Wu and Taoran Yi and Jiemin Fang and Wenyu Liu and Xinggang Wang},
journal= {arXiv preprint arXiv:2401.06052},
year = {2024}
}
备注
3DV 2024. Project page: https://guanjunwu.github.io/HDR-HexPlane