RecolorNeRF：用于三维场景高效颜色编辑的层分解辐射场
计算机视觉与模式识别
2023-09-19 v3 图形学
摘要
辐射场已逐渐成为媒体的一种主要表示形式。尽管其外观编辑已被研究，如何以高效方式实现视角一致的重着色仍待探索。我们提出 RecolorNeRF，一种面向神经辐射场的新型用户友好颜色编辑方法。我们的核心思想是将场景分解为一组纯色层，形成调色板。借此，颜色操控可通过直接改变调色板的颜色分量来完成。为支持高效的基于调色板的编辑，每层的颜色需尽可能具有代表性。最终，该问题被表述为一个优化问题，其中各层及其混合权重与 NeRF 本身联合优化。大量实验表明，我们的联合优化层分解可适配多种骨干网络，并生成照片级真实的重着色新视角渲染。我们证明即使在复杂真实场景中，RecolorNeRF 在颜色编辑上定量与定性均优于基线方法。
引用
@article{arxiv.2301.07958,
title = {RecolorNeRF: Layer Decomposed Radiance Fields for Efficient Color Editing of 3D Scenes},
author = {Bingchen Gong and Yuehao Wang and Xiaoguang Han and Qi Dou},
journal= {arXiv preprint arXiv:2301.07958},
year = {2023}
}
备注
To appear in ACM Multimedia 2023. Project website is accessible at https://sites.google.com/view/recolornerf