ReLight My NeRF：面向真实世界物体新视角合成与重打光的数据集
计算机视觉与模式识别
2023-04-21 v1
摘要
本文关注在未见光照条件下从神经辐射场（NeRF）渲染新视角的问题。为此，我们引入了一个名为 ReNe（Relighting NeRF）的新数据集，该数据集在单灯逐次照明（OLAT）条件下框定真实世界物体，并标注了精确的相机与光源位姿真值。我们的采集流程利用两只机械臂分别夹持相机与全向点光源。我们共发布 20 个场景，描绘了具有复杂几何形状与难处理材质的各类物体。每个场景包含 2000 张图像，由 50 个不同视角在 40 种不同 OLAT 条件下采集。借助该数据集，我们对原始 NeRF 架构多种变体的重打光能力进行了消融研究，并确定了一种轻量架构，能够在新的光照条件下渲染物体的新视角，我们将其用作该数据集的一个非平凡基线。数据集与基准可见于 https://eyecan-ai.github.io/rene。
引用
@article{arxiv.2304.10448,
title = {ReLight My NeRF: A Dataset for Novel View Synthesis and Relighting of Real World Objects},
author = {Marco Toschi and Riccardo De Matteo and Riccardo Spezialetti and Daniele De Gregorio and Luigi Di Stefano and Samuele Salti},
journal= {arXiv preprint arXiv:2304.10448},
year = {2023}
}
备注
Accepted at CVPR 2023 as a highlight