Freq-Mip-AA：基于频率的 MIP 反锯齿表示
计算机视觉与模式识别
2024-06-21 v1 图形学
图像与视频处理
摘要
神经辐射场 (NeRF) 在表示 3D 场景和生成新视角方面表现突出，但在渲染来自不同训练视角距离的图像时常常出现锯齿棱角。为此，Mip-NeRF 提出使用体棱柱渲染像素，并建议采用积分位置编码 (IPE)。虽然有效，但该方法需要较长的训练时间 due to its 依赖于 MLP 架构。在本工作中，我们提出了一种新型反锯齿技术，利用基于网格的表示，通常显示出显著更快的训练时间。此外，我们灵感来自抽样定理，利用频域表示来处理锯齿问题。所提出的方法 FreqMipAA 利用比例特定的低通滤波 (LPF) 和可学习频率掩码。比例特定的低通滤波器 (LPF) 可防止锯齿并优先处理重要图像细节，而可学习掩码有效地移除问题的高频元素，同时保留关键信息。通过采用比例特定的 LPF 和可训练掩码，FreqMipAA 能够有效消除锯齿因素，同时保留重要细节。我们通过将其纳入广泛使用的基于网格的方法中来验证了所提出技术。实验结果表明，FreqMipAA 有效解决了锯齿问题，并在多尺度 Blender 数据集上实现了最佳结果。我们的代码可在 https://github.com/yi0109/FreqMipAA 查看。
引用
@article{arxiv.2406.13251,
title = {Freq-Mip-AA : Frequency Mip Representation for Anti-Aliasing Neural Radiance Fields},
author = {Youngin Park and Seungtae Nam and Cheul-hee Hahm and Eunbyung Park},
journal= {arXiv preprint arXiv:2406.13251},
year = {2024}
}
备注
Accepted to ICIP 2024, 7 pages, 3 figures