SPC-NeRF：基于体素辐射场的空间预测压缩
计算机视觉与模式识别
2024-02-27 v1 多媒体
摘要
使用显式体素网格（EVG）表示神经辐射场（NeRF）是改进NeRF的一个有前景的方向。然而，由于巨大的内存开销，EVG表示在存储和传输方面效率不高。当前压缩EVG的方法主要继承了为神经网络压缩设计的方法，如剪枝和量化，这些方法没有充分利用体素的空间相关性。受蓬勃发展的数字图像压缩技术的启发，本文提出了SPC-NeRF，一种在EVG压缩中应用空间预测编码的新框架。所提出的框架能够有效去除空间冗余，以获得更好的压缩性能。此外，我们对比特率进行建模，并设计了一种新颖形式的损失函数，可以联合优化压缩比和失真，以实现更高的编码效率。大量实验表明，在多个代表性测试数据集上，我们的方法相比最先进的方法VQRF可以实现32%的比特节省，且训练时间相当。
引用
@article{arxiv.2402.16366,
title = {SPC-NeRF: Spatial Predictive Compression for Voxel Based Radiance Field},
author = {Zetian Song and Wenhong Duan and Yuhuai Zhang and Shiqi Wang and Siwei Ma and Wen Gao},
journal= {arXiv preprint arXiv:2402.16366},
year = {2024}
}