FrameNeRF：一种用于少样本新视角合成的简单高效框架
计算机视觉与模式识别
2024-02-27 v2 图形学
摘要
我们提出了一个名为 FrameNeRF 的新框架，旨在将现成的快速高保真 NeRF 模型应用于少样本新视角合成任务，以实现快速训练速度和高渲染质量。快速高保真模型的训练稳定性通常受限于密集视角，使其不适用于少样本新视角合成任务。为解决此限制，我们利用正则化模型作为数据生成器，从稀疏输入生成密集视角，以促进后续快速高保真模型的训练。由于这些密集视角是由正则化模型生成的伪真值，随后使用原始稀疏图像微调快速高保真模型。此过程有助于模型学习真实的细节并纠正早期阶段引入的伪影。通过利用现成的正则化模型和快速高保真模型，我们的方法在各种基准数据集上实现了 SOTA 性能。
引用
@article{arxiv.2402.14586,
title = {FrameNeRF: A Simple and Efficient Framework for Few-shot Novel View Synthesis},
author = {Yan Xing and Pan Wang and Ligang Liu and Daolun Li and Li Zhang},
journal= {arXiv preprint arXiv:2402.14586},
year = {2024}
}