SVS：面向稀疏新视角合成的对抗式精炼
计算机视觉与模式识别
2022-11-15 v1 图形学
机器学习
摘要
本文提出稀疏视角合成（Sparse View Synthesis）。这是一种视角合成问题，其中参考视角数量有限，且目标视角与参考视角之间的基线较大。在这些条件下，当前的辐射场方法会灾难性地失效，不可避免地产生如3D漂浮块、模糊和结构重复等伪影，只要参考视角数量有限，或目标视角与参考视角显著偏离就会发生。网络架构和损失正则化的进展无法令人满意地去除这些伪影。场景内的遮挡确保这些区域的真实内容对模型根本不可用。在本工作中，我们转而专注于在此类区域内幻觉出合理的场景内容。为此，我们将辐射场模型与对抗学习和感知损失相统一。所得系统相比当前最先进的辐射场模型在该问题上提供了高达60%的感知精度提升。
引用
@article{arxiv.2211.07301,
title = {SVS: Adversarial refinement for sparse novel view synthesis},
author = {Violeta Menéndez González and Andrew Gilbert and Graeme Phillipson and Stephen Jolly and Simon Hadfield},
journal= {arXiv preprint arXiv:2211.07301},
year = {2022}
}
备注
BMVC 2022