学习自然聚合外观以实现高效三维编辑
计算机视觉与模式识别
2025-02-14 v2
摘要
神经辐射场将三维场景表示为颜色场和密度场，在新视角合成方面取得了巨大进展，但由于其隐式特性，不利于编辑。本工作研究高效三维编辑任务，重点关注编辑速度和用户交互性。为此，我们提出将颜色场学习为显式的二维外观聚合，也称为规范图像，用户可以通过二维图像处理轻松定制其三维编辑。我们用一个投影场来补充规范图像，该投影场将三维点映射到二维像素以进行纹理查询。该场使用伪规范相机模型初始化，并通过偏移正则化进行优化，以确保规范图像的自然性。在不同数据集上的大量实验表明，我们称为 AGAP 的表示方法能很好地支持多种三维编辑方式（例如，风格化、实例分割和交互式绘制）。与现有的基于 NeRF 的编辑方法相比，我们的方法每次编辑速度至少快 20 倍，展示了显著的效率。项目页面见 https://felixcheng97.github.io/AGAP/。
引用
@article{arxiv.2312.06657,
title = {Learning Naturally Aggregated Appearance for Efficient 3D Editing},
author = {Ka Leong Cheng and Qiuyu Wang and Zifan Shi and Kecheng Zheng and Yinghao Xu and Hao Ouyang and Qifeng Chen and Yujun Shen},
journal= {arXiv preprint arXiv:2312.06657},
year = {2025}
}
备注
Project page: https://felixcheng97.github.io/AGAP/; accepted to 3DV 2025