PeRFception：基于辐射场的感知
计算机视觉与模式识别
2022-08-25 v1
摘要
隐式三维表示（即神经辐射场，NeRFs）的最新进展使得以可微方式实现精确且真实感的三维重建成为可能。这种新表示能以紧凑格式有效传达数百张高分辨率图像的信息，并允许真实感地合成新视角。在本工作中，我们使用称为 Plenoxels 的 NeRF 变体，创建了首个用于感知任务的大规模隐式表示数据集，称为 PeRFception，其由包含以物体为中心和以场景为中心的扫描两部分组成，分别用于分类与分割。该数据集显示出显著的存储压缩率（96.4%），同时以统一形式包含二维与三维信息。我们构建了直接以该隐式格式为输入的分类与分割模型，并提出了一种避免图像背景过拟合的新颖增强技术。代码与数据已公开于 https://postech-cvlab.github.io/PeRFception 。
引用
@article{arxiv.2208.11537,
title = {PeRFception: Perception using Radiance Fields},
author = {Yoonwoo Jeong and Seungjoo Shin and Junha Lee and Christopher Choy and Animashree Anandkumar and Minsu Cho and Jaesik Park},
journal= {arXiv preprint arXiv:2208.11537},
year = {2022}
}
备注
Project Page: https://postech-cvlab.github.io/PeRFception/