NeRFusion：融合辐射场用于大规模场景重建
计算机视觉与模式识别
2022-03-23 v1 图形学
摘要
尽管 NeRF 在神经重建与渲染方面取得了巨大成功，但其有限的 MLP 容量和较长的逐场景优化时间使得建模大规模室内场景具有挑战性。相比之下，经典 3D 重建方法可以处理大规模场景，但无法产生逼真的渲染。我们提出 NeRFusion，一种结合 NeRF 与基于 TSDF 的融合技术优势的方法，以实现高效的大规模重建与照片级真实感渲染。我们处理输入图像序列，通过直接网络推理预测逐帧局部辐射场。随后使用一种新颖的循环神经网络将其融合，该网络以 22 fps 的实时速度增量重建全局稀疏场景表示。该全局体素可进一步微调以提升渲染质量。我们证明 NeRFusion 在大规模室内与小规模物体场景上均达到最先进的质量，且重建速度显著快于 NeRF 及其他近期方法。
引用
@article{arxiv.2203.11283,
title = {NeRFusion: Fusing Radiance Fields for Large-Scale Scene Reconstruction},
author = {Xiaoshuai Zhang and Sai Bi and Kalyan Sunkavalli and Hao Su and Zexiang Xu},
journal= {arXiv preprint arXiv:2203.11283},
year = {2022}
}
备注
CVPR 2022