NeRFPlayer：基于分解神经辐射场的流式动态场景表示
计算机视觉与模式识别
2023-02-21 v2 图形学
多媒体
摘要
在VR中自由视觉探索真实世界4D时空空间长久以来都是一项追求。当仅用少数甚至单台RGB相机捕捉动态场景时，该任务尤为吸引人。为此，我们提出一个具备快速重建、紧凑建模与流式渲染能力的高效框架。首先，我们提出依据时间特征分解4D时空空间。4D空间中的点以属于三类——静态、形变与新区域——的概率相关联，每类区域由独立的神经场表示并正则化。其次，我们提出基于混合表示的特性流式方案以高效建模神经场。我们的方法称为NeRFPlayer，在单手持相机与多相机阵列捕捉的动态场景上评估，在质量与速度上达到与近期最先进方法相当或更优的渲染性能，并实现每帧10秒重建与交互式渲染。
引用
@article{arxiv.2210.15947,
title = {NeRFPlayer: A Streamable Dynamic Scene Representation with Decomposed Neural Radiance Fields},
author = {Liangchen Song and Anpei Chen and Zhong Li and Zhang Chen and Lele Chen and Junsong Yuan and Yi Xu and Andreas Geiger},
journal= {arXiv preprint arXiv:2210.15947},
year = {2023}
}
备注
Project page: https://lsongx.github.io/projects/nerfplayer.html