Nerflets：用于从2D监督进行高效结构感知3D场景表示的局部辐射场
计算机视觉与模式识别
2023-03-13 v2 图形学
摘要
我们解决从图像进行高效且结构感知的3D场景表示问题。Nerflets是我们的关键贡献——一组共同表示场景的局部神经辐射场。每个nerflet维护自身的空间位置、方向和范围，在其内部对全景、密度和辐射重建做出贡献。通过仅利用光度学和推断的全景图像监督，我们可以直接且联合优化一组nerflets的参数，从而形成场景的分解表示，其中每个对象实例由一组nerflets表示。在室内和室外环境的实验中，我们发现nerflets：（1）比传统全局NeRF更高效地拟合和逼近场景，（2）允许从任意视角提取全景和光度渲染，以及（3）实现NeRF少有的任务，例如3D全景分割和交互式编辑。
引用
@article{arxiv.2303.03361,
title = {Nerflets: Local Radiance Fields for Efficient Structure-Aware 3D Scene Representation from 2D Supervision},
author = {Xiaoshuai Zhang and Abhijit Kundu and Thomas Funkhouser and Leonidas Guibas and Hao Su and Kyle Genova},
journal= {arXiv preprint arXiv:2303.03361},
year = {2023}
}
备注
accepted by CVPR 2023