基于分层神经表示的稀疏视角3D场景风格化
计算机视觉与模式识别
2025-07-15 v1 图形学
摘要
近期，大量利用预训练神经辐射场（NeRF）场景重建能力的3D风格迁移方法被提出。要通过这种方式成功地对场景进行风格化，必须首先从采集的场景图像中重建出照片级真实的辐射场。然而，当仅有稀疏输入视角可用时，预训练的少样本NeRF常常会出现高频伪影，这些伪影是为提升重建质量而生成高频细节时产生的副产品。是否有可能通过直接优化基于编码的场景表示与目标风格，从稀疏输入中生成更忠实的风格化场景？在本文中，我们从解耦内容语义与风格纹理的角度考虑稀疏视角场景的风格化。我们提出了一个由粗到细的稀疏视角场景风格化框架，其中设计了一种新颖的基于分层编码的神经表示，以直接从隐式场景表示生成高质量的风格化场景。我们还提出了一种带有内容强度退火的新优化策略，以实现逼真的风格化并更好地保留内容。大量实验表明，我们的方法能够实现稀疏视角场景的高质量风格化，并在风格化质量和效率上优于基于微调的基线方法。
引用
@article{arxiv.2404.05236,
title = {Stylizing Sparse-View 3D Scenes with Hierarchical Neural Representation},
author = {Y. Wang and A. Gao and Y. Gong and Y. Zeng},
journal= {arXiv preprint arXiv:2404.05236},
year = {2025}
}