MLI-NeRF：基于多光源内在感知的神经辐射场
计算机视觉与模式识别
2024-11-27 v1
摘要
当前提取内在图像成分(如反射率和光照)的方法主要依赖统计先验，这些方法主要聚焦于简单合成场景和孤立物体，在处理具有挑战性的真实世界数据时表现不佳。为此，我们提出了MLI-NeRF，即**M**ultiple **L**ight **I**ntrinsic-aware **N**eural **R**adiance **F**ields。通过利用来自不同光源位置提供的场景信息补充多视角信息，我们生成用于反射率和光照的伪标签图像，以指导内在成分分解，而无需真实标签数据。我们的方法引入了内在成分分离的简单监督，确保在各种场景类型下都具有鲁棒性。我们在合成和真实世界数据集上验证了该方法，显著优于现有最先进的方法。此外，我们展示了其在各种图像编辑任务中的应用。代码和数据已公开提供。
引用
@article{arxiv.2411.17235,
title = {MLI-NeRF: Multi-Light Intrinsic-Aware Neural Radiance Fields},
author = {Yixiong Yang and Shilin Hu and Haoyu Wu and Ramon Baldrich and Dimitris Samaras and Maria Vanrell},
journal= {arXiv preprint arXiv:2411.17235},
year = {2024}
}
备注
Accepted paper for the International Conference on 3D Vision 2025. Project page: https://github.com/liulisixin/MLI-NeRF