SO-NeRF：使用代理目标进行 NeRF 的主动视图规划
计算机视觉与模式识别
2023-12-07 v1
摘要
尽管神经辐射场（NeRF）取得了巨大成功，但其数据采集过程仍然模糊不清，仅有一个尽可能密集采样的通用经验法则。由于缺乏对什么构成 NeRF 良好视图的理解，使得主动规划一系列能产生最大重建质量的视图变得困难。我们提出了主动辐射场代理目标（SOAR），这是一组可解释的函数，利用几何和光度视觉线索——表面覆盖度、几何复杂度、纹理复杂度和光线多样性——来评估视图的优劣。此外，通过训练一个深度网络 SOARNet 来推断 SOAR 分数，我们能够在短短几秒内有效选择视图，而无需事先访问所有候选视图或在此规划过程中训练任何辐射场。我们的实验表明，SOARNet 在速度提升约 80 倍的同时，实现了更好或相当的重建质量，优于基线方法。我们最终证明 SOAR 是模型无关的，因此它可以从完全神经隐式方法泛化到完全显式方法。
引用
@article{arxiv.2312.03266,
title = {SO-NeRF: Active View Planning for NeRF using Surrogate Objectives},
author = {Keifer Lee and Shubham Gupta and Sunglyoung Kim and Bhargav Makwana and Chao Chen and Chen Feng},
journal= {arXiv preprint arXiv:2312.03266},
year = {2023}
}
备注
13 pages