RING-NeRF:重新思考多功能高效神经场的归纳偏置

Doriand Petit; Steve Bourgeois; Dumitru Pavel; Vincent Gay-Bellile; Florian Chabot; Loic Barthe

RING-NeRF:重新思考多功能高效神经场的归纳偏置

计算机视觉与模式识别 2024-07-18 v3

作者: Doriand Petit , Steve Bourgeois , Dumitru Pavel , Vincent Gay-Bellile , Florian Chabot , Loic Barthe

摘要

神经场(Neural Fields)的最新进展主要依赖于开发任务特定的监督信号,这往往使模型变得复杂。另一种常被忽视的方法是,直接将关于场景表示的通用先验(亦称归纳偏置)注入到 NeRF 架构中。基于这一思路,我们提出了 RING-NeRF 架构,其中包含两种归纳偏置:场景的连续多尺度表示,以及解码器潜在空间在空间与尺度域上的不变性。我们还设计了一种单一重建流程,充分利用这些归纳偏置,并在多个任务(抗锯齿、少视角重建、无需场景特定初始化的 SDF 重建)上以实验证明其性能与专用架构相当,同时更为高效。此外,RING-NeRF 具有动态提升模型分辨率的独特能力,为自适应重建开辟了道路。

关键词

神经辐射场 NeRF 归纳偏置多尺度表示抗锯齿少视角重建 SDF 重建

引用

@article{arxiv.2312.03357,
  title  = {RING-NeRF : Rethinking Inductive Biases for Versatile and Efficient Neural Fields},
  author = {Doriand Petit and Steve Bourgeois and Dumitru Pavel and Vincent Gay-Bellile and Florian Chabot and Loic Barthe},
  journal= {arXiv preprint arXiv:2312.03357},
  year   = {2024}
}

备注

This publication has been accepted at ECCV'24

RING-NeRF:重新思考多功能高效神经场的归纳偏置

摘要

关键词

引用

备注

相关论文