ImmersiveNeRF:用于无界沉浸式光场重建的混合辐射场
计算机视觉与模式识别
2023-09-06 v1
摘要
本文提出一种用于无界沉浸式光场重建的混合辐射场表示,支持高质量渲染与激进的视角外推。核心思想是先形式化分离前景与背景,再在训练过程中自适应平衡二者的学习。为实现该目标,我们将前景与背景表示为具有两种不同空间映射策略的两个独立辐射场。我们进一步提出自适应采样策略与分割正则化器,以获得更清晰的分割与鲁棒收敛。最后,我们贡献了一个名为THUImmersive的新型沉浸式光场数据集,通过为同一场景捕获多个相邻视角,相比现有数据集有潜力实现更大空间的6DoF沉浸式渲染效果,以激发沉浸式光场领域的研究与AR/VR应用。大量实验证明了我们的方法在无界沉浸式光场重建上的强劲性能。
引用
@article{arxiv.2309.01374,
title = {ImmersiveNeRF: Hybrid Radiance Fields for Unbounded Immersive Light Field Reconstruction},
author = {Xiaohang Yu and Haoxiang Wang and Yuqi Han and Lei Yang and Tao Yu and Qionghai Dai},
journal= {arXiv preprint arXiv:2309.01374},
year = {2023}
}