Mirror-NeRF：基于 Whitted 风格光线追踪学习镜面神经辐射场
计算机视觉与模式识别
2023-08-08 v1
摘要
近来，神经辐射场（NeRF）在新视角合成、表面重建等方面取得了显著成功。然而，由于其渲染流程未考虑物理反射，NeRF 将镜中的反射误认为独立的虚拟场景，导致镜面重建不准确以及镜中多视角反射不一致。本文提出一种新颖的神经渲染框架 Mirror-NeRF，能够学习镜面的准确几何与反射，并支持多种含镜面的场景操控应用，例如向场景中添加新物体或镜面并合成这些新物体在镜中的反射、控制镜面粗糙度等。为实现该目标，我们引入反射概率并遵循 Whitted 光线追踪的光传输模型追踪光线，从而提出统一的辐射场，并开发了若干技术以促进学习过程。在合成与真实数据集上的实验与对比证明了本方法的优越性。代码与补充材料见项目主页：https://zju3dv.github.io/Mirror-NeRF/。
引用
@article{arxiv.2308.03280,
title = {Mirror-NeRF: Learning Neural Radiance Fields for Mirrors with Whitted-Style Ray Tracing},
author = {Junyi Zeng and Chong Bao and Rui Chen and Zilong Dong and Guofeng Zhang and Hujun Bao and Zhaopeng Cui},
journal= {arXiv preprint arXiv:2308.03280},
year = {2023}
}
备注
Accepted to ACM Multimedia 2023. Project Page: https://zju3dv.github.io/Mirror-NeRF/