渐进式多尺度光场网络
计算机视觉与模式识别
2022-08-16 v1 图形学
摘要
神经表示在表征辐射与光场方面展现出巨大潜力，且相较于图像集表示更为紧凑。然而，当前表示不利于流式传输，因为解码只能在单一细节层级完成，且需下载整个神经网络模型。此外，高分辨率光场网络在采样未加适当滤波时会出现闪烁与走样。为解决这些问题，我们提出一种渐进式多尺度光场网络，以多细节层级编码光场。较低细节层级使用更少的神经网络权重编码，从而实现渐进式流式传输并减少渲染时间。我们的渐进式多尺度光场网络通过在较低细节层级编码更小的抗混叠表示来解决走样问题。此外，逐像素细节层级使我们的表示能够支持抖动过渡与中央凹渲染。
引用
@article{arxiv.2208.06710,
title = {Progressive Multi-scale Light Field Networks},
author = {David Li and Amitabh Varshney},
journal= {arXiv preprint arXiv:2208.06710},
year = {2022}
}
备注
Accepted to 3DV 2022. Website at https://augmentariumlab.github.io/multiscale-lfn/