FewShotNeRF: 基于元学习的快速场景特定适应新视角合成
计算机视觉与模式识别
2024-08-12 v1
摘要
本文提出了 FewShotNeRF 方法，旨在通过有限的多视角图像生成真实物体的新视角。该方法利用元学习获取最优初始化，促进神经辐射场（NeRF）对特定场景的快速适应。元学习过程的重点在于捕捉类别中共享的几何结构和纹理，这些特征嵌入在权重初始化中。该方法加速了 NeRF 的学习过程，并利用最近的positional编码技术，减少了拟合特定场景的 NeRF 所需的时间，从而加快了元学习的内循环优化。值得注意的是，我们的方法能够在大量 3D 场景上进行元学习，以建立鲁棒的各种类别的 3D 先验。通过在 Common Objects in 3D 数据集上的广泛评估，我们经验性地展示了元学习在生成物体高质量新视角方面的有效性与潜力。
引用
@article{arxiv.2408.04803,
title = {FewShotNeRF: Meta-Learning-based Novel View Synthesis for Rapid Scene-Specific Adaptation},
author = {Piraveen Sivakumar and Paul Janson and Jathushan Rajasegaran and Thanuja Ambegoda},
journal= {arXiv preprint arXiv:2408.04803},
year = {2024}
}