Point-NeRF：基于点的神经辐射场
计算机视觉与模式识别
2023-03-17 v7
摘要
NeRF 等体神经渲染方法能生成高质量的视角合成结果，但需逐场景优化，导致重建时间难以接受。另一方面，深度多视图立体方法可通过直接的网络推理快速重建场景几何。Point-NeRF 利用带有相关神经特征的神经三维点云来建模辐射场，结合了这两类方法的优势。Point-NeRF 可在基于光线行进的渲染管线中，通过聚合场景表面附近的神经点特征实现高效渲染。此外，Point-NeRF 可通过预训练深度网络的直接推理进行初始化，生成神经点云；该点云经微调后能以 30 倍更快的训练时间超越 NeRF 的视觉质量。Point-NeRF 可与其他三维重建方法结合，并通过一种新颖的剪枝与生长机制处理这些方法中的误差与离群值。在 DTU、NeRF Synthetics、ScanNet 和 Tanks and Temples 数据集上的实验表明，Point-NeRF 能够超越现有方法并取得最先进的（SOTA）结果。
引用
@article{arxiv.2201.08845,
title = {Point-NeRF: Point-based Neural Radiance Fields},
author = {Qiangeng Xu and Zexiang Xu and Julien Philip and Sai Bi and Zhixin Shu and Kalyan Sunkavalli and Ulrich Neumann},
journal= {arXiv preprint arXiv:2201.08845},
year = {2023}
}
备注
Accepted to CVPR 2022 (Oral)