Mip-NeRF 360：无界抗锯齿神经辐射场
计算机视觉与模式识别
2022-03-29 v3 图形学
摘要
尽管神经辐射场（NeRF）在物体和空间小有界区域上展示了令人印象深刻的视图合成结果，但它们在“无界”场景中表现不佳，其中相机可能指向任意方向且内容可能存在于任意距离。在此设定下，现有类NeRF模型常产生模糊或低分辨率渲染（由于近处与远处物体细节和尺度不平衡）、训练缓慢，并可能因从少量图像重建大场景这一任务固有的模糊性而出现伪影。我们提出了mip-NeRF（一种解决采样与走样的NeRF变体）的扩展，其使用非线性场景参数化、在线蒸馏以及一种新颖的基于畸变的正则化器来克服无界场景带来的挑战。我们的模型被称为“mip-NeRF 360”，因为我们以相机绕一点旋转360度的场景为目标，与mip-NeRF相比将均方误差降低了57%，并能够为高度复杂、无界的真实世界场景生成逼真的合成视图和精细深度图。
引用
@article{arxiv.2111.12077,
title = {Mip-NeRF 360: Unbounded Anti-Aliased Neural Radiance Fields},
author = {Jonathan T. Barron and Ben Mildenhall and Dor Verbin and Pratul P. Srinivasan and Peter Hedman},
journal= {arXiv preprint arXiv:2111.12077},
year = {2022}
}
备注
https://jonbarron.info/mipnerf360/