MS-NeRF：多空间神经辐射场
计算机视觉与模式识别
2025-03-26 v2
摘要
现有的神经辐射场（NeRF）方法受反射物体存在的困扰，常导致模糊或失真的渲染。我们提出多空间神经辐射场（MS-NeRF），其不使用单一辐射场计算，而是用一组并行子空间中的特征场表示场景，从而使神经网络更好地理解反射和折射物体的存在。我们的多空间方案作为对现有 NeRF 方法的增强，仅需很小的计算开销用于训练和推断额外空间的输出。我们为代表性的基于 MLP 和基于网格的 NeRF 方法设计了不同的多空间模块，在反射区域上将 Mip-NeRF 360 的 PSNR 提升 4.15 dB（额外参数 0.5%），并将 TensoRF 进一步提升 2.71 dB（额外参数 0.046%），且不降低其他区域的渲染质量。我们进一步构建了一个由 33 个合成场景和 7 个具有复杂反射与折射的真实捕获场景组成的新数据集，并设计了复杂的相机路径以充分基准测试基于 NeRF 方法的鲁棒性。大量实验表明，我们的方法在渲染涉及穿过类镜物体的复杂光路的高质量场景时，显著优于现有的单空间 NeRF 方法。源代码、数据集和结果可通过我们的项目页面获取：https://zx-yin.github.io/msnerf/。
引用
@article{arxiv.2305.04268,
title = {MS-NeRF: Multi-Space Neural Radiance Fields},
author = {Ze-Xin Yin and Peng-Yi Jiao and Jiaxiong Qiu and Ming-Ming Cheng and Bo Ren},
journal= {arXiv preprint arXiv:2305.04268},
year = {2025}
}
备注
TPAMI 2025, 18 pages, 23 figures