面向分布式智能的联邦神经辐射场
分布式、并行与集群计算
2024-06-18 v1
摘要
新视角合成(NVS)是众多 AR 和 VR 应用的重要技术。最近提出的神经辐射场(NeRF)方法在 NVS 任务中表现卓越，已被应用于其他相关领域。然而，某些分布式数据存储的应用场景可能因严格的监管和隐私 concerns 而难以获取训练图像。为克服这一挑战，我们关注基于联邦学习( FL)的 FedNeRF 方法，该方法利用不同数据所有者可用的数据，同时保持数据隐私。在本文中，我们首先构建一个资源丰富且功能多样的联邦学习测试平台。随后，我们在实际 FL 系统中部署 FedNeRF 算法，并进行部分客户端选择的 FedNeRF 实验。预期本文所述 FedNeRF 方法的研究将有助于推动 NeRF 方法在分布式数据存储场景中的未来应用。
引用
@article{arxiv.2406.10474,
title = {Federated Neural Radiance Field for Distributed Intelligence},
author = {Yintian Zhang and Ziyu Shao},
journal= {arXiv preprint arXiv:2406.10474},
year = {2024}
}