Tile and Slide：从局部扩展至全局的 NeRF 缩放框架用于地球观测

神经光谱场（NeRF）最近作为一种从多视图卫星影像进行3D重建的范式出现。然而，当前最先进的NeRF方法通常受限于小场景，因为在训练期间的内存占用。本文我们研究了这一问题。之前的大规模NeRF研究通过将场景划分为多个NeRF来缓解这一问题。本文引入了Snake-NeRF框架，能够扩展至大规模场景。我们的方法实现了无磁碎片化（out-of-core），无需同时加载所有图像和网络，即可在单台设备上运行。我们通过将感兴趣区域划分为彼此3D平铺且不重叠的NeRF来实现这一点。重要的是，我们在裁剪图像时进行重叠，以确保每个NeRF都能获得训练所需的所有必要像素。我们引入一种新颖的 $2\times 2$ 3D平铺递进策略和分段采样器，两者共同防止沿平铺边缘的3D重建误差。我们的实验表明，大规模卫星影像可在单张GPU上以线性时间复杂度进行处理，且不会牺牲质量。