FPRF：大规模三维神经辐射场的前馈式逼真风格迁移
计算机视觉与模式识别
2024-01-12 v1 人工智能
图形学
摘要
我们提出了FPRF，一种用于大规模三维神经辐射场的前馈式逼真风格迁移方法。FPRF能够利用任意多张风格参考图像对大规模三维场景进行风格化，无需额外优化，同时保持多视角外观一致性。先前的工作需要针对每种风格或每个场景进行繁琐的优化，且局限于小规模三维场景。FPRF通过引入一种风格分解的三维神经辐射场，继承了AdaIN的前馈式风格化机制，支持任意风格参考图像，从而高效地对大规模三维场景进行风格化。此外，FPRF通过语义对应匹配和局部AdaIN支持多参考风格化，为三维场景风格提供了多样化的用户控制。FPRF还通过在三维空间中直接对查询特征应用语义匹配和风格迁移过程来保持多视角一致性。实验表明，FPRF在具有多样化参考图像的大规模场景上实现了令人满意的逼真质量三维场景风格化。项目页面：https://kim-geonu.github.io/FPRF/
引用
@article{arxiv.2401.05516,
title = {FPRF: Feed-Forward Photorealistic Style Transfer of Large-Scale 3D Neural Radiance Fields},
author = {GeonU Kim and Kim Youwang and Tae-Hyun Oh},
journal= {arXiv preprint arXiv:2401.05516},
year = {2024}
}
备注
Project page: https://kim-geonu.github.io/FPRF/