Tetra-NeRF：利用四面体表示神经辐射场
计算机视觉与模式识别
2023-08-22 v3 图形学
机器学习
摘要
神经辐射场（NeRFs）是近期非常流行且非常新颖的用于新视角合成与 3D 重建问题的方法。NeRFs 常用的场景表示是将场景的均匀体素细分与 MLP 相结合。基于观察到场景的（稀疏）点云通常可得，本文提出使用由 Delaunay 三角剖分获得的基于四面体的自适应表示，以取代均匀细分或基于点的表示。我们展示了这种表示能够实现高效训练并达到最先进的结果。我们的方法优雅地结合了 3D 几何处理、基于三角形的渲染和现代神经辐射场的概念。与基于体素的表示相比，我们的方法在场景中可能接近表面的部分提供了更多细节。与基于点的表示相比，我们的方法取得了更好的性能。源代码公开于：https://jkulhanek.com/tetra-nerf。
引用
@article{arxiv.2304.09987,
title = {Tetra-NeRF: Representing Neural Radiance Fields Using Tetrahedra},
author = {Jonas Kulhanek and Torsten Sattler},
journal= {arXiv preprint arXiv:2304.09987},
year = {2023}
}
备注
ICCV 2023, Web: https://jkulhanek.com/tetra-nerf