面向3D场景重建的神经网络剪枝：高效NeRF加速
计算机视觉与模式识别
2025-04-09 v2
摘要
神经辐射场（NeRF）近年来成为3D重建方法的热门选择。尽管其产出高质量结果，但也需要漫长的训练时间，往往需要数天。本文研究神经网络剪枝作为解决此问题的策略。我们比较了包括均匀抽样、基于重要性的方法以及核心集方法的剪枝技术，以减少模型规模并加速训练。我们的发现表明，基于核心集的剪枝可实现模型规模减半，训练速度提升35%，而准确率仅略有下降。这些结果表明，剪枝是改进资源受限环境下NeRF模型效率的有效方法。
引用
@article{arxiv.2504.00950,
title = {Neural Pruning for 3D Scene Reconstruction: Efficient NeRF Acceleration},
author = {Tianqi Ding and Dawei Xiang and Pablo Rivas and Liang Dong},
journal= {arXiv preprint arXiv:2504.00950},
year = {2025}
}
备注
12 pages, 4 figures, accepted by International Conference on the AI Revolution: Research, Ethics, and Society (AIR-RES 2025)