PNeSM：基于提示的神经风格映射实现任意三维场景风格化

三维场景风格化是指变换三维场景的外观以匹配给定的风格图像，确保从不同视点渲染的图像呈现出与给定风格图像相同的风格，同时保持风格化场景的三维一致性。现有若干方法已在三维场景风格化方面取得了令人瞩目的成果。然而，这些方法提出的模型在应用于新场景时需要重新训练。换言之，它们的模型与特定场景耦合，无法适应其他任意场景。为解决此问题，我们提出一种新颖的三维场景风格化框架，可将任意风格迁移至任意场景，无需任何与风格相关或与场景相关的重新训练。具体而言，我们首先将三维场景的外观映射到一个二维风格模式空间，这实现了三维场景几何与外观的完全解耦，并使我们的模型能够泛化到任意三维场景。然后，我们通过一种基于提示的二维风格化算法，在该二维风格模式空间中对三维场景的外观进行风格化。实验结果表明，我们提出的框架在视觉质量和泛化能力上均优于SOTA方法。