PDF：面向大规模场景神经表示的点扩散隐式函数
计算机视觉与模式识别
2024-01-12 v1
摘要
隐式神经表示近期的进展通过采样空间中对沿采样射线的各个点进行采样与融合取得了令人印象深刻的成果。然而，由于爆炸式增长的采样空间，对无界大规模室外场景进行精细表示与合成细节纹理仍具挑战。为缓解使用单点感知整个巨大空间的困境，我们探索学习场景的表面分布以提供结构先验并缩减可采样空间，提出一种用于大规模场景神经表示的点扩散隐式函数（PDF）。我们方法的核心是一个大规模点云超分辨率扩散模块，其将由若干训练图像重建的稀疏点云增强为稠密点云作为显式先验。随后在渲染阶段，仅保留采样半径内含先验点的采样点。亦即，采样空间从无界空间缩减至场景表面。同时，为填补点云无法提供的场景背景，采用基于 Mip-NeRF 360 的区域采样来建模背景表示。大量实验已证明我们的方法在大规模场景新视角合成上的有效性，其优于相关最先进基线。
引用
@article{arxiv.2311.01773,
title = {PDF: Point Diffusion Implicit Function for Large-scale Scene Neural Representation},
author = {Yuhan Ding and Fukun Yin and Jiayuan Fan and Hui Li and Xin Chen and Wen Liu and Chongshan Lu and Gang YU and Tao Chen},
journal= {arXiv preprint arXiv:2311.01773},
year = {2024}
}
备注
Accepted to NeurIPS 2023