Strivec：稀疏三向量辐射场
计算机视觉与模式识别
2023-08-25 v2
摘要
我们提出 Strivec，一种新颖的神经表示，将 3D 场景建模为具有稀疏分布且紧致分解的局部张量特征网格的辐射场。我们的方法借鉴近期工作 TensoRF，利用张量分解来建模张量网格。与 TensoRF 使用全局张量并关注其向量-矩阵分解不同，我们提出利用一团局部张量，并应用经典的 CANDECOMP/PARAFAC（CP）分解将每个张量分解为三重向量，沿空间轴表达局部特征分布并紧致编码局部神经场。我们还应用多尺度张量网格以发现几何与外观的共性，并在多个局部尺度上利用三向量分解挖掘空间相干性。最终的辐射场属性通过聚合来自所有尺度上多个局部张量的神经特征回归得到。我们的三向量张量围绕真实场景表面稀疏分布，由快速粗重建发现，从而利用了 3D 场景的稀疏性。我们证明，与使用显著更多参数的先前方法（包括 TensoRF 和 Instant-NGP）相比，我们的模型能用少得多的参数实现更好的渲染质量。
引用
@article{arxiv.2307.13226,
title = {Strivec: Sparse Tri-Vector Radiance Fields},
author = {Quankai Gao and Qiangeng Xu and Hao Su and Ulrich Neumann and Zexiang Xu},
journal= {arXiv preprint arXiv:2307.13226},
year = {2023}
}