KiloNeuS：一种用于实时渲染的多功能神经隐式表面表示
计算机视觉与模式识别
2022-11-22 v2 图形学
机器学习
摘要
基于 NeRF 的技术将宽而深的多层感知机（MLP）拟合到连续的辐射场中，可从任意未见视角渲染。然而，缺乏表面与法线定义以及较高的渲染时间限制了它们在典型计算机图形应用中的使用。这些局限近期已被分别克服，但共同解决仍是一个开放问题。我们提出 KiloNeuS，一种从多视角图像重建以有符号距离函数（SDF）表示的隐式表面的神经表示，并通过将空间划分为数千个推理快速的微小 MLP 来实现实时渲染。由于我们使用独立模型在局部学习隐式表面，获得全局一致的几何并非易事，需在训练时加以处理。我们在 GPU 加速的光线投射器中结合着色器内神经网络推理评估渲染性能，在高分辨率下平均达到 46 FPS，证明了存储成本与渲染质量之间的满意权衡。事实上，我们对渲染质量与表面恢复的评估表明 KiloNeuS 优于其单 MLP 对应方法。最后，为展示 KiloNeuS 的多功能性，我们将其集成到一个充分利用其表面法线的交互式路径追踪器中。我们认为我们的工作是迈向全局光照下隐式神经表示实时渲染的关键第一步。
引用
@article{arxiv.2206.10885,
title = {KiloNeuS: A Versatile Neural Implicit Surface Representation for Real-Time Rendering},
author = {Stefano Esposito and Daniele Baieri and Stefan Zellmann and André Hinkenjann and Emanuele Rodolà},
journal= {arXiv preprint arXiv:2206.10885},
year = {2022}
}
备注
9 pages, 8 figures