PAPR：邻近注意力点渲染
计算机视觉与模式识别
2023-12-08 v2 人工智能
图形学
机器学习
神经与进化计算
摘要
从零开始学习场景表面准确且精简的点云表示仍是三维表示学习中的挑战。现有基于点的方法常受梯度消失问题困扰，或需要大量点才能精确建模场景几何与纹理。为应对这些局限，我们提出邻近注意力点渲染（PAPR），一种由基于点的场景表示与可微分渲染器组成的新方法。我们的场景表示使用点云，其中每个点由其空间位置、影响分数和视角无关特征向量刻画。渲染器为每条射线选取相关点，并利用其关联特征生成准确颜色。PAPR 有效学习点云位置以表示正确场景几何，即便初始化与目标几何差异巨大。值得注意的是，我们的方法在使用仅精简点集的同时捕捉精细纹理细节。我们还展示了方法的四种实际应用：零样本几何编辑、物体操控、纹理迁移与曝光控制。更多结果与代码见项目网站 https://zvict.github.io/papr/。
引用
@article{arxiv.2307.11086,
title = {PAPR: Proximity Attention Point Rendering},
author = {Yanshu Zhang and Shichong Peng and Alireza Moazeni and Ke Li},
journal= {arXiv preprint arXiv:2307.11086},
year = {2023}
}