面向 NeRF 的多层动态风格迁移
计算机视觉与模式识别
2025-10-02 v1
摘要
随着神经辐射场 (NeRF) 在 various 3D 视觉任务中的应用不断扩展，已开发出诸多基于 NeRF 的风格迁移技术。然而，现有方法通常将风格统计整合到原始 NeRF 流程中，导致在内容保留和艺术化渲染方面效果不佳。本文提出面向 NeRF 的多层动态风格迁移 (MDS-NeRF)，这是一种新颖的方法，重新构架 NeRF 流程以适应风格化，并引入创新的动态风格注入模块。特别地，我们提出的多层特征适配器帮助从内容辐射场生成多层特征网格表示，有效捕获场景的多尺度空间结构。此外，我们提出的动态风格注入模块学习提取相关风格特征，并自适应地将其整合到内容模式中。经我们提出的多层级级联解码器处理后，风格化后的多层特征被转换为最终的风格化视图。进一步地，我们将 3D 风格迁移方法扩展支持基于 3D 风格参考的全视角风格迁移。广泛的实验表明，MDS-NeRF 在 3D 风格迁移方面实现卓越的性能，既保留了多尺度空间结构，又有效地实现了风格特征的迁移。
引用
@article{arxiv.2510.00592,
title = {Multi-level Dynamic Style Transfer for NeRFs},
author = {Zesheng Li and Shuaibo Li and Wei Ma and Jianwei Guo and Hongbin Zha},
journal= {arXiv preprint arXiv:2510.00592},
year = {2025}
}
备注
Accepted by Computational Visual Media Journal (CVMJ)