通过模型压缩实现神经三维场景压缩
计算机视觉与模式识别
2021-05-10 v1 机器学习
摘要
渲染三维场景需要访问场景中任意视点。此类三维场景的存储可通过两种方式实现：（1）存储从三维场景拍摄的 2D 图像，这些图像可通过插值重建场景，或（2）存储三维场景本身的表示，其已编码来自所有方向的视图。迄今为止，传统三维压缩方法聚焦于第一类存储，并使用图像压缩技术压缩原始 2D 图像。采用该方法时，用户先解码所存 2D 图像，然后渲染三维场景。然而，这一分离过程效率低下，因为必须存储大量 2D 图像。在本工作中，我们采取不同思路，压缩三维场景的函数式表示。具体而言，我们引入一种通过压缩以神经辐射场表示场景的神经网络来压缩三维场景的方法。我们的方法提供了更高效的场景存储，因其不存储 2D 图像——当我们从神经函数式表示渲染场景时这些图像是冗余的。
引用
@article{arxiv.2105.03120,
title = {Neural 3D Scene Compression via Model Compression},
author = {Berivan Isik},
journal= {arXiv preprint arXiv:2105.03120},
year = {2021}
}
备注
Stanford CS 231A Final Project, 2021. WiCV at CVPR 2021