Points2NeRF:从3D点云生成神经辐射场
计算机视觉与模式识别
2024-06-13 v3
摘要
用于3D视觉信息的当代采集设备,如LIDAR与各类深度相机,以3D点云形式捕获数据。然而,此类点云因其规模与复杂性而难以处理。现有方法通过将网格拟合到点云并转而渲染来解决该问题。但这一方法导致所得可视化的保真度下降,且丢失计算机图形应用中至关重要的物体颜色信息。本工作中,我们提出通过将3D物体表示为神经辐射场(NeRFs)来缓解此挑战。我们利用超网络范式,训练模型以接收带关联颜色值的3D点云,并返回从输入2D图像重建3D物体的NeRF网络权重。我们的方法提供高效的3D物体表示,并相较现有方法具有若干优势,包括条件化NeRF的能力以及在训练所见物体之外的改进泛化。后者我们也在实证评估结果中予以确认。
引用
@article{arxiv.2206.01290,
title = {Points2NeRF: Generating Neural Radiance Fields from 3D point cloud},
author = {Dominik Zimny and Joanna Waczyńska and Tomasz Trzciński and Przemysław Spurek},
journal= {arXiv preprint arXiv:2206.01290},
year = {2024}
}
备注
arXiv admin note: text overlap with arXiv:2003.08934 by other authors