学习用于 NeRF 的扩散先验
计算机视觉与模式识别
2023-05-01 v1 人工智能
机器学习
摘要
神经辐射场（NeRFs）已成为一种基于 2D 数据推导物体与场景的强大神经 3D 表征。然而，在许多场景下生成 NeRF 仍然困难。例如，仅以少量视角作为监督来训练 NeRF 仍具挑战性，因为这是一个欠约束问题。在此类设定中，需要某种归纳先验来滤除不良的局部极小值。引入此类归纳先验的一种方式是学习一个生成模型，对某一类场景的 NeRF 进行建模。本文中，我们提出使用扩散模型来生成编码于正则化网格上的 NeRF。我们展示了我们的模型能够采样逼真的 NeRF，同时允许以某一观测作为引导进行条件生成。
引用
@article{arxiv.2304.14473,
title = {Learning a Diffusion Prior for NeRFs},
author = {Guandao Yang and Abhijit Kundu and Leonidas J. Guibas and Jonathan T. Barron and Ben Poole},
journal= {arXiv preprint arXiv:2304.14473},
year = {2023}
}