通过投射远少得多的光线快速学习辐射场
计算机视觉与模式识别
2023-05-31 v2
摘要
学习辐射场在新视角合成中已展现出显著成果。学习过程通常耗费大量时间，这促使最新方法通过无神经网络学习或使用更高效的数据结构来加速学习过程。然而，这些专门设计的方案对大多数基于辐射场的方法并不适用。为解决此问题，我们引入一种通用策略，为几乎所有基于辐射场的方法加速学习过程。我们的核心思想是通过在作为几乎所有基于辐射场方法基础的多视角体渲染过程中投射远少得多的光线来减少冗余。我们发现，在颜色变化剧烈的像素处投射光线不仅显著减轻训练负担，还几乎不影响所学辐射场的精度。此外，我们还根据树中每个节点的平均渲染误差自适应地将每视角细分为四叉树，从而使我们在渲染误差较大的更复杂区域动态投射更多光线。我们在广泛使用基准下用不同基于辐射场的方法评估了我们的方法。实验结果表明，我们的方法以快得多的训练速度取得了与最先进水平相当的精度。
引用
@article{arxiv.2208.06821,
title = {Fast Learning Radiance Fields by Shooting Much Fewer Rays},
author = {Wenyuan Zhang and Ruofan Xing and Yunfan Zeng and Yu-Shen Liu and Kanle Shi and Zhizhong Han},
journal= {arXiv preprint arXiv:2208.06821},
year = {2023}
}
备注
Accepted by lEEE Transactions on lmage Processing 2023. Project Page: https://zparquet.github.io/Fast-Learning . Code: https://github.com/zParquet/Fast-Learning