SNeRF：面向三维场景的风格化神经隐式表示
计算机视觉与模式识别
2022-07-07 v1
摘要
本文提出一种风格化新视角合成方法。将最先进的风格化方法逐帧应用于新视角常因缺乏跨视角一致性而导致抖动伪影。因此，本文研究三维场景风格化，其为一致的新视角合成提供了强归纳偏置。具体而言，我们采用新兴的神经辐射场(NeRF)作为三维场景表示的选择，因其能为多种场景渲染高质量新视角。然而，由于从NeRF渲染新视角需要大量采样，训练风格化NeRF所需GPU内存超出普通GPU容量。我们引入一种新训练方法，通过交替NeRF与风格化优化步骤来解决该问题。此方法使我们能充分利用硬件内存容量，既生成更高分辨率图像，又采用更具表现力的图像风格迁移方法。实验表明，我们的方法为包括室内、室外与动态场景的广泛内容生成风格化NeRF，并合成具有跨视角一致性的高质量新视角。
引用
@article{arxiv.2207.02363,
title = {SNeRF: Stylized Neural Implicit Representations for 3D Scenes},
author = {Thu Nguyen-Phuoc and Feng Liu and Lei Xiao},
journal= {arXiv preprint arXiv:2207.02363},
year = {2022}
}
备注
SIGGRAPH 2022 (Journal track). Project page: https://research.facebook.com/publications/snerf-stylized-neural-implicit-representations-for-3d-scenes/