FlowIBR：利用预训练实现高效的动态场景神经基于图像的渲染
计算机视觉与模式识别
2024-04-16 v2
摘要
我们提出了 FlowIBR，一种用于动态场景高效单目新视角合成的新方法。现有技术已展现出令人印象深刻的渲染质量，但往往侧重于单一场景内的优化，而未利用先验知识，导致每场景优化耗时较长。FlowIBR 通过将在一个大规模广泛可用的静态场景语料上预训练的神经基于图像的渲染方法，与每场景优化的场景流场相结合，规避了这一局限。利用该流场，我们弯曲相机光线以抵消场景动态，从而将动态场景以静态形式呈现给渲染网络。所提方法将每场景优化时间减少了一个数量级，在单个消费级 GPU 上实现了与现有方法相当的渲染质量。
引用
@article{arxiv.2309.05418,
title = {FlowIBR: Leveraging Pre-Training for Efficient Neural Image-Based Rendering of Dynamic Scenes},
author = {Marcel Büsching and Josef Bengtson and David Nilsson and Mårten Björkman},
journal= {arXiv preprint arXiv:2309.05418},
year = {2024}
}
备注
Accepted to CVPR 2024 Workshop on Efficient Deep Learning for Computer Vision. Project page: https://flowibr.github.io