GSN：神经辐射场中的可泛化分割
计算机视觉与模式识别
2024-02-08 v1 图形学
摘要
传统的辐射场（RF）表示捕获特定场景的细节，并且必须在每个场景上重新训练。语义特征场已被添加到 RF 中，以促进多项分割任务。泛化 RF 表示学习视图插值的原理。给定少量视图，泛化 RF 可以渲染未训练未知场景的新视图。我们提出了一种将特征场蒸馏到泛化 GNT 表示中的方法。我们的 GSN 表示能够即时生成未见场景的新视图，以及一致的逐像素语义特征。这使得能够对任意新场景进行多视图分割。我们展示了被蒸馏到泛化 RF 中的不同语义特征。我们的多视图分割结果与使用传统 RF 的方法相当。GSN 显著缩小了标准 RF 方法与可泛化 RF 方法之间的差距。项目页面：https://vinayak-vg.github.io/GSN/
引用
@article{arxiv.2402.04632,
title = {GSN: Generalisable Segmentation in Neural Radiance Field},
author = {Vinayak Gupta and Rahul Goel and Sirikonda Dhawal and P. J. Narayanan},
journal= {arXiv preprint arXiv:2402.04632},
year = {2024}
}
备注
Accepted at the Main Technical Track of AAAI 2024