神经自适应场景追踪
计算机视觉与模式识别
2022-03-18 v2
摘要
基于隐式神经网络的神经渲染近来已成为一种颇具吸引力的场景重建方案，其取得了优异的质量，但计算代价高昂。尽管此类方法的最新进展在渲染（推理）时间上有所改善，但在提升重建（训练）时间方面进展甚微。本文提出神经自适应场景追踪（NAScenT），这是首个基于直接训练混合显式-隐式神经表示的神经渲染方法。NAScenT 采用分层八叉树表示，每个叶节点对应一个神经网络，并将该表示与两阶段采样过程相结合，使光线样本集中于物体表面附近最关键的区域。因此，NAScenT 能够重建具有挑战性的场景，既包括如无人机捕获的户外环境这样大而稀疏的场景，也包括具有高几何复杂性的小场景。NAScenT 在质量和训练时间上均优于现有的神经渲染方法。
引用
@article{arxiv.2202.13664,
title = {Neural Adaptive SCEne Tracing},
author = {Rui Li and Darius Rückert and Yuanhao Wang and Ramzi Idoughi and Wolfgang Heidrich},
journal= {arXiv preprint arXiv:2202.13664},
year = {2022}
}
备注
27 pages