基于几何约束的少样本多人神经渲染
计算机视觉与模式识别
2025-02-12 v1 人工智能
图形学
摘要
我们提出一种方法，仅通过少数图像即可恢复由多个人组成的场景的形状和辐射。多人场景因额外的遮挡和杂乱而具有复杂性。对于单人场景，现有方法使用隐式神经表示已取得令人瞩目的结果，能够提供准确的几何和外观。然而，仅凭稀疏视图扩展至多人估计仍具挑战性。我们提出一种神经隐式重建方法，通过以下方式解决此任务固有的挑战：首先，我们利用人体模型（SMPL）预计算的网格，采用几何约束。具体而言，我们对符号距离进行正则化，并利用边界框以提高渲染效果。其次，我们提出一种射线正则化方案以最小化渲染不一致性，以及一种饱和正则化以应对变量照明下的鲁棒优化。在真实和合成数据集上的大量实验表明，我们方法的优势，并显示在现有神经重建方法面前展现了最先进的性能。
引用
@article{arxiv.2502.07140,
title = {Few-Shot Multi-Human Neural Rendering Using Geometry Constraints},
author = {Qian li and Victoria Fernàndez Abrevaya and Franck Multon and Adnane Boukhayma},
journal= {arXiv preprint arXiv:2502.07140},
year = {2025}
}