全局潜在神经渲染

当前可泛化新视角合成方法的一个趋势是学习一个作用于单条相机光线的渲染算子。这种方法很有前景，因为它消除了对显式体渲染的需求，但它实际上将目标图像视为独立像素的集合。在此，我们提出学习一个作用于所有相机光线的全局渲染算子。我们证明，实现这种渲染的正确表征是一个 5 维平面扫描体，它由输入图像在面向目标相机的一组平面上的投影组成。基于这一理解，我们引入了卷积全局潜在渲染器 (ConvGLR)，这是一种高效的卷积架构，可在低分辨率潜在空间中全局执行渲染操作。在各种稀疏和可泛化设置下的数据集上的实验表明，我们的方法始终以显著优势优于现有方法。