Rip-NeRF：基于棱柱体的抗混叠辐射场
计算机视觉与模式识别
2024-05-07 v1 图形学
摘要
尽管神经辐射场（NeRF）取得了显著进展，但渲染结果仍可能因混叠和模糊瑕疵而受到影响，这是由于在锥形投射过程中有效且高效地表征各向异性区域仍是根本性挑战。本文引入一种棱柱体编码的纹理图（Ripmap-Encoded Platonic Solid）表示，以精确且高效地特征化 3D 各向异性区域，实现高保真抗混叠渲染。我们方法的核心包括两个关键组件：棱柱体投影和纹理图编码。棱柱体投影将 3D 空间投影到特定棱柱体的面上，从而使得各向异性 3D 区域可以投影到具有可区分特征化的平面上。同时，棱柱体的每个面通过纹理图编码实现，这种编码通过对可学习特征网格进行各向异性预滤波来构建，以便通过各向异性区域抽样，对投影的各向异性区域进行精确且高效的特征化。在针对众多成熟的合成数据集和新收集的真实世界数据集上进行大量实验表明，我们的 Rip-NeRF 在渲染质量上达到最先进水平，尤其在重复结构和纹理的细节方面表现突出，同时保持相对快速的训练时间。
引用
@article{arxiv.2405.02386,
title = {Rip-NeRF: Anti-aliasing Radiance Fields with Ripmap-Encoded Platonic Solids},
author = {Junchen Liu and Wenbo Hu and Zhuo Yang and Jianteng Chen and Guoliang Wang and Xiaoxue Chen and Yantong Cai and Huan-ang Gao and Hao Zhao},
journal= {arXiv preprint arXiv:2405.02386},
year = {2024}
}
备注
SIGGRAPH 2024, Project page: https://junchenliu77.github.io/Rip-NeRF , Code: https://github.com/JunchenLiu77/Rip-NeRF