神经辐射场的即时持续学习
计算机视觉与模式识别
2023-09-07 v2
摘要
神经辐射场（NeRFs）已成为一种用于新视角合成与3D场景重建的有效方法。然而，传统训练方法在场景优化期间需要访问所有训练视角。这一假设在持续学习场景中可能难以实现，其中新数据以顺序方式获取且需要对NeRF进行连续更新，如在自动驾驶或遥感应用中。当在这样一种持续设定下朴素地训练时，传统场景表示框架遭受灾难性遗忘，即先前学习的知识在训练新数据后被破坏。先前缓解NeRF遗忘的工作存在重建质量低和延迟高的问题，使其不适用于实际世界应用。我们提出一种训练NeRF的持续学习框架，利用基于回放的方法并结合显式—隐式混合场景表示。我们的方法在持续设定下训练时重建质量优于先前方法，同时具有快一个数量级的额外优势。
引用
@article{arxiv.2309.01811,
title = {Instant Continual Learning of Neural Radiance Fields},
author = {Ryan Po and Zhengyang Dong and Alexander W. Bergman and Gordon Wetzstein},
journal= {arXiv preprint arXiv:2309.01811},
year = {2023}
}
备注
For project page please visit https://ryanpo.com/icngp/