GeCoNeRF：基于几何一致性的少样本神经辐射场
计算机视觉与模式识别
2023-04-28 v3
摘要
我们提出一种新颖框架，以几何感知一致性正则化在少样本设定下正则化神经辐射场（Neural Radiance Field, NeRF）。所提方法利用在未观测视点渲染的深度图将稀疏输入图像扭曲至该未观测视点，并将其作为伪真值以促进 NeRF 学习。通过在特征层面而非像素级重建损失鼓励此类几何感知一致性，我们在语义与结构层面正则化 NeRF，同时允许建模视角相关辐射以解释跨视点的颜色变化。我们还提出一种有效方法以滤除错误的扭曲解，以及稳定优化期间训练的训练策略。我们表明我们的模型相较最先进少样本 NeRF 模型取得具竞争力的结果。项目页见 https://ku-cvlab.github.io/GeCoNeRF/。
引用
@article{arxiv.2301.10941,
title = {GeCoNeRF: Few-shot Neural Radiance Fields via Geometric Consistency},
author = {Min-seop Kwak and Jiuhn Song and Seungryong Kim},
journal= {arXiv preprint arXiv:2301.10941},
year = {2023}
}
备注
ICML 2023