IBL-NeRF：神经辐射场基于图像光照的表述
计算机视觉与模式识别
2023-09-13 v2
摘要
我们提出 IBL-NeRF，将大规模室内场景的神经辐射场（NeRF）分解为本征分量。近期方法进一步将隐式体的烘焙辐射分解为本征分量，从而可部分近似渲染方程。然而，它们局限于以共享环境光照表示孤立物体，且因需以蒙特卡洛积分聚合光线而承受计算负担。相反，我们的预滤波辐射场在原 NeRF 表述基础上扩展，除表面属性外还捕捉场景体内光照的空间变化。具体而言，将具多样材质的场景分解为用于渲染的本征分量，即反照率、粗糙度、表面法线、辐照度与预滤波辐射。所有分量均作为神经图像由 MLP 推断，可建模大规模通用场景。尤其预滤波辐射有效建模体光场，并捕捉超出单一环境光的空间变化。该预滤波在一组预定义邻域尺寸内聚合光线，从而可用神经图像的简单查询替代全局光照的昂贵蒙特卡洛积分。通过采用 NeRF，我们的方法继承了合成图像及本征分量在视觉质量与多视图一致性上的优越性。我们展示了在具复杂物体布局与光照配置场景上的性能，这些是先前任何工作均无法处理的。
引用
@article{arxiv.2210.08202,
title = {IBL-NeRF: Image-Based Lighting Formulation of Neural Radiance Fields},
author = {Changwoon Choi and Juhyeon Kim and Young Min Kim},
journal= {arXiv preprint arXiv:2210.08202},
year = {2023}
}
备注
Computer Graphics Forum (Pacific Graphics 2023)