InfoNeRF:用于少样本神经体渲染的射线熵最小化
计算机视觉与模式识别
2022-04-12 v2 图形学
图像与视频处理
摘要
我们提出了一种基于神经隐式表示的少样本新视角合成的信息论正则化技术。所提方法通过施加每条射线上密度的熵约束,最小化因视角不足而发生的潜在重建不一致。此外,为缓解当所有训练图像均从几乎冗余的视角获取时出现的潜在退化问题,我们进一步通过将信息增益限制在一对视角略有差异的射线上,将空间平滑约束引入估计图像。我们算法的核心思想是使重建场景沿各条射线紧凑,并在邻域射线间保持一致。所提正则化器可直接插入大多数现有的基于NeRF的神经体渲染技术中。尽管简单,我们在多个标准基准上以较大优势持续优于现有神经视角合成方法。
引用
@article{arxiv.2112.15399,
title = {InfoNeRF: Ray Entropy Minimization for Few-Shot Neural Volume Rendering},
author = {Mijeong Kim and Seonguk Seo and Bohyung Han},
journal= {arXiv preprint arXiv:2112.15399},
year = {2022}
}
备注
CVPR 2022, Website: http://cv.snu.ac.kr/research/InfoNeRF