NeuralEditor：通过操作点云编辑神经辐射场
计算机视觉与模式识别
2023-05-05 v1
摘要
本文提出 NeuralEditor，使神经辐射场（NeRFs）可原生编辑以用于通用形状编辑任务。尽管 NeRFs 在新视角合成上结果令人印象深刻，编辑场景形状仍是其基本挑战。我们的关键洞见是利用显式点云表示作为构建 NeRFs 的底层结构，灵感来自将 NeRF 渲染直观解释为将关联 3D 点云投影或“绘制”到 2D 图像平面的过程。为此，NeuralEditor 引入一种基于 K-D 树引导的密度自适应体素内确定性积分的新渲染方案，通过优化同时产生高质量渲染结果与精确点云。NeuralEditor 随后通过在点云间映射关联点来执行形状编辑。大量评估表明 NeuralEditor 在形状形变与场景变形任务上均达到最先进性能。值得注意的是，NeuralEditor 支持编辑后场景的零样本推理与进一步微调。我们的代码、基准与演示视频见于 https://immortalco.github.io/NeuralEditor。
引用
@article{arxiv.2305.03049,
title = {NeuralEditor: Editing Neural Radiance Fields via Manipulating Point Clouds},
author = {Jun-Kun Chen and Jipeng Lyu and Yu-Xiong Wang},
journal= {arXiv preprint arXiv:2305.03049},
year = {2023}
}
备注
CVPR 2023