基于神经网格的图形学
计算机视觉与模式识别
2023-02-21 v3
摘要
我们重新审视 NPBG——这一引入了无处不在的点特征神经渲染范式的新视角合成流行方法。我们特别关注数据高效学习与快速视角合成。我们通过视相关的基于网格的更密集点描述符光栅化，辅以前景/背景场景渲染分离以及改进的损失函数来实现这一点。通过仅在单一场景上训练，我们优于已在 ScanNet 上训练并随后进行场景微调的 NPBG。尽管 SVS 方法使用了更深的神经渲染器且已在完整数据集（DTU 和 Tanks and Temples）上训练并随后进行场景微调，我们在与这一最先进方法（SOTA）的竞争中仍表现相当。
引用
@article{arxiv.2208.05785,
title = {Neural Mesh-Based Graphics},
author = {Shubhendu Jena and Franck Multon and Adnane Boukhayma},
journal= {arXiv preprint arXiv:2208.05785},
year = {2023}
}
备注
ECCV Workshop 2022 CV4Metaverse. The source code and trained models can be obtained at https://github.com/Shubhendu-Jena/Neural-Mesh-Based-Graphics