以对象为中心的神经场景绘制

我们提出一种由物体捕获图像合成照片级真实场景的方法。我们的工作构建于神经辐射场（NeRFs）之上，其隐式建模场景的体积密度与定向发射辐射。尽管 NeRF 能合成逼真图像，其仅建模静态场景且紧密绑定于特定成像条件。该性质使 NeRF 难以泛化至新场景，包括新光照或物体新排布。与 NeRF 学习场景辐射场不同，我们提出学习以对象为中心的神经散射函数（OSFs），一种利用光照与视角相关神经网络隐式建模逐物体光传输的表示。这得以在物体或光照移动时无需重训而绘制场景。结合体积路径追踪流程，我们的框架能绘制物内与物间光传输效应，含遮挡、镜面、阴影与间接光照。我们在场景合成上评估了方法，表明其泛化至新颖光照条件，生成多物体场景的照片级、物理准确绘制。