Ref-DVGO：面向反射场景重建中质量-效率权衡优化的反射感知直接体素网格优化
计算机视觉与模式识别
2023-08-22 v3 图形学
摘要
神经辐射场（NeRFs）在新视角合成领域带来了革命性变化，展现出卓越性能。然而，反射物体的建模与渲染仍是具有挑战性的问题。近期方法在处理反射场景上相较基线有显著改进，但牺牲了效率。本文旨在平衡效率与质量。为此，我们研究了一种基于传统体渲染的隐式-显式方法，以提升重建质量并加速训练与渲染过程。我们采用高效的基于密度的网格表示，并在流程中对反射辐射进行重参数化。我们提出的反射感知方法相较竞争方法实现了具有竞争力的质量-效率权衡。基于实验结果，我们提出并讨论了关于影响基于密度方法重建反射物体的因素的假设。源代码见 https://github.com/gkouros/ref-dvgo。
引用
@article{arxiv.2308.08530,
title = {Ref-DVGO: Reflection-Aware Direct Voxel Grid Optimization for an Improved Quality-Efficiency Trade-Off in Reflective Scene Reconstruction},
author = {Georgios Kouros and Minye Wu and Shubham Shrivastava and Sushruth Nagesh and Punarjay Chakravarty and Tinne Tuytelaars},
journal= {arXiv preprint arXiv:2308.08530},
year = {2023}
}
备注
5 pages, 4 figures, 3 tables, ICCV TRICKY 2023 Workshop