StructNeRF: 利用结构提示的室内场景神经辐射场
计算机视觉与模式识别
2022-09-13 v1 图形学
摘要
神经辐射场(NeRF)通过密集捕获的输入图像实现照片级真实感的视角合成。然而,在稀疏视角下 NeRF 的几何极度欠约束,导致新视角合成质量显著下降。受自监督深度估计方法启发,我们提出 StructNeRF,一种针对稀疏输入室内场景新视角合成的解决方案。StructNeRF 利用多视角输入中自然嵌入的结构提示来处理 NeRF 中几何无约束的问题。具体而言,它分别处理纹理与非纹理区域:提出基于块的多视角一致光度损失来约束纹理区域的几何;对于非纹理区域,我们显式地将它们限制为 3D 一致平面。通过密集的自监督深度约束,我们的方法在不依赖外部数据额外训练的情况下提升了 NeRF 的几何与视角合成性能。在多个真实世界数据集上的大量实验表明,StructNeRF 在稀疏输入室内场景上定量与定性均超越最先进方法。
引用
@article{arxiv.2209.05277,
title = {StructNeRF: Neural Radiance Fields for Indoor Scenes with Structural Hints},
author = {Zheng Chen and Chen Wang and Yuan-Chen Guo and Song-Hai Zhang},
journal= {arXiv preprint arXiv:2209.05277},
year = {2022}
}