PaletteNeRF：基于调色板的 NeRF 颜色编辑
计算机视觉与模式识别
2022-12-27 v1 图形学
摘要
神经辐射场（NeRF）是一种强大的工具，仅用稀疏捕获的图像即可忠实生成场景的新视角。尽管其在表示三维场景及其外观方面能力很强，但其编辑能力非常有限。本文中，我们提出一种简单而有效的 vanilla NeRF 扩展，名为 PaletteNeRF，以实现对 NeRF 表示场景的高效颜色编辑。受近期基于调色板的图像分解工作启发，我们将每个像素颜色近似为调色板颜色经加性权重调制后的和。与 vanilla NeRF 中预测像素颜色不同，我们的方法预测加性权重。底层 NeRF 骨干也可替换为更近期的 NeRF 模型（如 KiloNeRF）以实现实时编辑。实验结果表明，我们的方法在广泛的 NeRF 表示场景上实现了高效、视角一致且无伪影的颜色编辑。
引用
@article{arxiv.2212.12871,
title = {PaletteNeRF: Palette-based Color Editing for NeRFs},
author = {Qiling Wu and Jianchao Tan and Kun Xu},
journal= {arXiv preprint arXiv:2212.12871},
year = {2022}
}
备注
12 pages, 10 figures