HashCC:提升无相机 NeRF 场景生成质量的轻量方法
计算机视觉与模式识别
2023-05-09 v1 人工智能
摘要
神经辐射场已成为通过视图合成进行场景生成的重要方法。原始算法学习有意义的场景表征的一个关键要求是为数据集中每幅图像提供相机位姿信息。当前方法试图绕过这一假设并取得中等程度的成功,即通过在学习场景神经表征的同时学习近似相机位置。这需要复杂的相机模型,导致漫长而复杂的训练过程,或导致渲染场景缺乏纹理与清晰细节。在本工作中,我们引入哈希颜色校正(HashCC)——一种用于提升神经辐射场渲染图像质量的轻量方法,也适用于给定图像集的相机位置未知的情形。
引用
@article{arxiv.2305.04296,
title = {HashCC: Lightweight Method to Improve the Quality of the Camera-less NeRF Scene Generation},
author = {Jan Olszewski},
journal= {arXiv preprint arXiv:2305.04296},
year = {2023}
}