SealD-NeRF：基于神经辐射场的动态场景交互式像素级编辑
计算机视觉与模式识别
2024-02-22 v1
摘要
隐式神经表示，特别是神经辐射场(NeRF)的广泛采用，凸显了对隐式3D模型编辑能力的日益增长的需求，这对于场景后处理和3D内容创建等任务至关重要。尽管先前在NeRF编辑方面已有努力，但由于编辑灵活性和质量的限制，仍然存在挑战。关键问题在于开发一种支持局部编辑以实现实时更新的神经表示。当前的NeRF编辑方法提供像素级调整或详细的几何和颜色修改，但大多局限于静态场景。本文介绍了SealD-NeRF，它是Seal-3D在动态场景中像素级编辑的扩展，专门针对D-NeRF网络。它通过将编辑动作映射到特定时间帧、冻结负责动态场景表示的变形网络，并使用教师-学生方法整合变化，从而实现了跨序列的一致编辑。
引用
@article{arxiv.2402.13510,
title = {SealD-NeRF: Interactive Pixel-Level Editing for Dynamic Scenes by Neural Radiance Fields},
author = {Zhentao Huang and Yukun Shi and Neil Bruce and Minglun Gong},
journal= {arXiv preprint arXiv:2402.13510},
year = {2024}
}