SPIDR：基于 SDF 的用于光照与形变的神经点场
计算机视觉与模式识别
2023-04-10 v3 人工智能
图形学
摘要
神经辐射场（NeRFs）近来已成为一种前景广阔的 3D 重建与新视角合成方法。然而，基于 NeRF 的方法隐式编码形状、反射率与光照，这使得用户难以在渲染图像中显式操控这些属性。现有方法仅能实现有限的场景编辑与几何形变。此外，尚无已有工作能在物体形变后实现准确的场景光照。在本工作中，我们引入 SPIDR，一种新型混合神经 SDF 表示。SPIDR 结合点云与神经隐式表示，以实现更高质量物体表面的重建，用于几何形变与光照估计。为更准确地捕捉环境光照以进行场景重打光，我们提出一种新颖的神经隐式模型来学习环境光。为实现形变后更准确的光照更新，我们使用阴影映射技术来近似由几何编辑引起的光可见性更新。我们展示了 SPIDR 在实现高质量几何编辑及更准确场景光照更新方面的有效性。
引用
@article{arxiv.2210.08398,
title = {SPIDR: SDF-based Neural Point Fields for Illumination and Deformation},
author = {Ruofan Liang and Jiahao Zhang and Haoda Li and Chen Yang and Yushi Guan and Nandita Vijaykumar},
journal= {arXiv preprint arXiv:2210.08398},
year = {2023}
}
备注
Project page: https://nexuslrf.github.io/SPIDR_webpage/