OmniVoxel：一种快速精准的全向神经辐射场重建方法
计算机视觉与模式识别
2022-08-15 v1
摘要
本文提出一种利用等距柱状全向图像重建神经辐射场的方法。基于辐射场的隐式神经场景表示能够在有限空间区域内连续重建场景的三维形状。然而，在商用 PC 硬件上训练完全隐式表示需要大量时间与计算资源（每场景 15∼20 小时）。因此，我们提出一种显著加速该过程的方法（每场景 20∼40 分钟）。我们不再使用完全隐式的光线表示进行辐射场重建，而是采用在张量中包含密度与颜色特征的特征体素。考虑到全向等距柱状输入与相机布局，我们使用球形体素化而非立方体表示进行建模。我们的体素化方法能够平衡内部场景与外部场景的重建质量。此外，我们在颜色特征上采用轴对齐位置编码方法以提升整体图像质量。我们的方法在具有随机相机位姿的合成数据集上取得了令人满意的实证性能。此外，我们在包含复杂几何结构的真实场景上测试了我们的方法，同样取得了最先进的性能。我们的代码与完整数据集将在论文发表时同步发布。
引用
@article{arxiv.2208.06335,
title = {OmniVoxel: A Fast and Precise Reconstruction Method of Omnidirectional Neural Radiance Field},
author = {Qiaoge Li and Itsuki Ueda and Chun Xie and Hidehiko Shishido and Itaru Kitahara},
journal= {arXiv preprint arXiv:2208.06335},
year = {2022}
}
备注
will be appeared in GCCE 2022