RehearsalNeRF：用于场景编辑的解耦动态照明的神经场
计算机视觉与模式识别
2026-04-03 v2
摘要
尽管神经辐射场在动态照明变化方面取得了显著进展，但仍存在未解决的问题。不同于参数化时变/时不变场景成分的工作，主体的辐射在时空域中高度与自身辐射和照明颜色 entangled。本文提出一种新型有效方法，用于在严重的照明变化下学习解耦神经场，称为 RehearsalNeRF。我们的核心思想是利用在稳定照明下（如排练舞台）捕获的场景来确保不同照明条件下的几何一致性。具体而言，RehearsalNeRF 使用表示照明颜色的可学习向量，用于解耦投影光照颜色与场景辐射。此外，RehearsalNeRF 还能通过简单采用现成的交互式掩码来重建动态物体的神经场。为解耦动态物体，我们提出一种基于光流的新型正则化，提供颜色解耦的粗略监督。我们通过在动态照明条件下展示稳健的新视角合成和场景编辑性能，证明了 RehearsalNeRF 的有效性。我们的源代码和视频数据集将公开提供。
引用
@article{arxiv.2603.27948,
title = {RehearsalNeRF: Decoupling Intrinsic Neural Fields of Dynamic Illuminations for Scene Editing},
author = {Changyeon Won and Hyunjun Jung and Jungu Cho and Seonmi Park and Chi-Hoon Lee and Hae-Gon Jeon},
journal= {arXiv preprint arXiv:2603.27948},
year = {2026}
}
备注
Accepted to the International Journal of Computer Vision (IJCV). Changyeon Won and Hyunjun Jung contributed equally to this work