面向少样本神经辐射场的关键信息射线选择

神经辐射场（NeRF）最近已成为一种基于图像的三维重建的强大方法，但每场景的长时间优化限制了其实际应用，尤其是在资源受限的环境中。现有方法通过减少输入视图数量，并利用复杂损失或其他模态的额外输入来正则化学习到的体素表示，从而解决这一问题。在本文中，我们提出了KeyNeRF，一种简单而有效的方法，通过聚焦于关键信息射线来训练少样本场景下的NeRF。这些射线首先通过视图选择算法在相机级别进行选择，该算法促进基线多样性同时保证场景覆盖，然后通过基于局部图像熵的概率分布采样在像素级别进行选择。我们的方法在与现有最先进方法相比表现优异，同时对现有NeRF代码库的改动最小。