联邦神经辐射场
计算机视觉与模式识别
2023-05-03 v1
摘要
神经辐射场（NeRF）进行精确三维建模的能力推动了该技术在场景表示中的应用。以往方法主要遵循集中式学习范式，即假设所有训练图像在一个计算节点上可用以进行训练。在本文中，我们考虑以联邦方式训练 NeRF，其中多个计算节点各自获取了整体场景的不同观测集合，并行学习一个共同的 NeRF。这支持使用多个智能体协作建模场景的情形。我们的贡献是首个面向 NeRF 的联邦学习算法，其将训练工作量划分到多个计算节点，并免除了在中心节点汇集图像的需要。我们引入了一种基于 NeRF 层低秩分解的技术，以降低传输模型参数用于聚合的带宽消耗。传输压缩模型而非原始数据也有助于数据收集智能体的隐私保护。
引用
@article{arxiv.2305.01163,
title = {Federated Neural Radiance Fields},
author = {Lachlan Holden and Feras Dayoub and David Harvey and Tat-Jun Chin},
journal= {arXiv preprint arXiv:2305.01163},
year = {2023}
}
备注
10 pages, 7 figures