PyNeRF：金字塔形神经辐射场
计算机视觉与模式识别
2023-12-04 v1 图形学
机器学习
摘要
神经辐射场（NeRFs）可通过空间网格表示实现大幅加速。然而，它们并未显式地对尺度进行推理，因此在重建以不同相机距离拍摄的场景时会引入混叠伪影。Mip-NeRF 及其扩展提出了尺度感知的渲染器，其投影的是体积截头体而非点采样，但此类方法依赖于位置编码，不易与网格方法兼容。我们通过对基于网格的模型在不同空间网格分辨率下训练模型头，提出了一种简单的改进。在渲染时，我们简单地使用较粗的网格来渲染覆盖较大体积的采样。我们的方法可轻松应用于现有的加速 NeRF 方法，并显著提升渲染质量（在合成与无界真实场景中将错误率降低 20-90%），同时带来极小的性能开销（因为每个模型头评估很快）。与 Mip-NeRF 相比，我们将错误率降低 20%，同时训练速度快 60 倍以上。
引用
@article{arxiv.2312.00252,
title = {PyNeRF: Pyramidal Neural Radiance Fields},
author = {Haithem Turki and Michael Zollhöfer and Christian Richardt and Deva Ramanan},
journal= {arXiv preprint arXiv:2312.00252},
year = {2023}
}
备注
Neurips 2023 Project page: https://haithemturki.com/pynerf/