NPBG++：加速基于神经点的图形学方法
计算机视觉与模式识别
2022-03-28 v1
摘要
我们提出一种用于新视角合成（NVS）任务的新型系统（NPBG++），该系统以较低的场景拟合时间实现高渲染真实感。我们的方法高效利用静态场景的多视角观测与点云，为每个点预测一个神经描述子，在多个重要方面改进了基于神经点的图形学（Neural Point-Based Graphics）流程。通过一次前向传播源图像预测描述子，我们取消了逐场景优化的要求，同时使神经描述子具有视角依赖性，更适用于具有强非朗伯效应的场景。在对比中，所提系统在拟合与渲染运行时间上优于以往的NVS方法，同时生成质量相近的图像。
引用
@article{arxiv.2203.13318,
title = {NPBG++: Accelerating Neural Point-Based Graphics},
author = {Ruslan Rakhimov and Andrei-Timotei Ardelean and Victor Lempitsky and Evgeny Burnaev},
journal= {arXiv preprint arXiv:2203.13318},
year = {2022}
}
备注
Accepted to CVPR 2022. The project page: https://rakhimovv.github.io/npbgpp/