K-Buffers：一种利用多重缓冲增强神经场的插件方法

神经场目前是 3D 视觉和计算机图形学研究的核心焦点。现有方法主要关注各种场景表示，如神经点和 3D Gaussians。然而，很少有工作研究渲染过程以增强神经场。在本工作中，我们提出了一种名为 K-Buffers 的插件方法，利用多重缓冲来提升渲染性能。我们的方法首先从场景表示中渲染 K 个缓冲，并构建 K 个像素级特征图。然后，我们引入 K 特征融合网络（KFN）来融合这 K 个像素级特征图。最后，我们采用特征解码器生成渲染图像。我们还引入了一种加速策略以提高渲染速度和质量。我们将该方法应用于知名的辐射场基线，包括神经点场和 3D Gaussian Splatting（3DGS）。大量实验表明，我们的方法有效增强了神经点场和 3DGS 的渲染性能。