LaRa：高基准辐射场
计算机视觉与模式识别
2024-07-17 v2 人工智能
摘要
辐射场方法在新视角合成和几何重建方面实现了逼真的新视角。但它们主要应用于每个场景的优化或小基准设置。尽管最近的一些工作通过利用transformer探索大基准的 feed-forward 重建，但它们都采用标准的全局注意力机制，因而忽略了3D重建的局部性。我们提出了一种方法，将局部和全局推理在transformer层中统一，实现更好的质量和更快的收敛。我们的模型将场景表示为高斯体积，并结合图像编码器和 Group Attention Layers，以实现高效的 feed-forward 重建。实验结果表明，我们的模型在四个GPU上训练两天，能够在360度辐射场重建中实现高保真度，并对零样本和超出域测试具有鲁棒性。我们的项目页面：https://apchenstu.github.io/LaRa/。
引用
@article{arxiv.2407.04699,
title = {LaRa: Efficient Large-Baseline Radiance Fields},
author = {Anpei Chen and Haofei Xu and Stefano Esposito and Siyu Tang and Andreas Geiger},
journal= {arXiv preprint arXiv:2407.04699},
year = {2024}
}
备注
Project Page: https://apchenstu.github.io/LaRa/