LOLNeRF：从单视图学习
计算机视觉与模式识别
2022-04-27 v2
摘要
我们提出了一种基于神经辐射场的生成式3D模型学习方法，仅使用每个对象仅有单视图的数据进行训练。虽然生成逼真图像已不再是困难任务，但生成相应的3D结构使其能从不同视角渲染并非易事。我们表明，与现有方法不同，实现此目标不需要多视图数据。具体而言，我们展示通过用单个网络以共享潜空间为条件重建许多对齐到近似规范姿态的图像，可以学习一个建模某类对象形状与外观的辐射场空间。我们通过使用仅含每个主体单视图且无深度或几何信息的数据集训练模型重建对象类别来证明这一点。我们的实验表明，我们在新视角合成中取得了最先进（SOTA）的结果，并在单目深度预测中获得了高质量结果。
引用
@article{arxiv.2111.09996,
title = {LOLNeRF: Learn from One Look},
author = {Daniel Rebain and Mark Matthews and Kwang Moo Yi and Dmitry Lagun and Andrea Tagliasacchi},
journal= {arXiv preprint arXiv:2111.09996},
year = {2022}
}
备注
See https://lolnerf.github.io for additional results