UE4-NeRF：面向大规模场景实时渲染的神经辐射场
计算机视觉与模式识别
2023-10-23 v1
摘要
神经辐射场（NeRF）是一种新颖的隐式三维重建方法，展现出巨大潜力并日益受到关注。它仅通过一组照片即可重建三维场景。然而，其实时渲染能力，尤其是大规模场景的交互式实时渲染，仍存在显著局限。为应对这些挑战，本文提出一种名为UE4-NeRF的新型神经渲染系统，专为大规模场景实时渲染而设计。我们将每个大场景划分为不同子NeRF。为表示被划分的独立场景，我们通过在场景内构建多个正八面体来初始化多边形网格，且多边形面的顶点在训练过程中持续优化。受细节层次（LOD）技术启发，我们为不同观测层级训练了不同细节水平的网格。我们的方法结合虚幻引擎4（UE4）中的光栅化管线，以最高43 FPS的帧率实现了4K分辨率下大规模场景的实时渲染。在UE4内渲染也便于后续阶段的场景编辑。此外，通过实验我们证明了该方法达到了与最先进方法相当的渲染质量。项目页面：https://jamchaos.github.io/UE4-NeRF/。
引用
@article{arxiv.2310.13263,
title = {UE4-NeRF:Neural Radiance Field for Real-Time Rendering of Large-Scale Scene},
author = {Jiaming Gu and Minchao Jiang and Hongsheng Li and Xiaoyuan Lu and Guangming Zhu and Syed Afaq Ali Shah and Liang Zhang and Mohammed Bennamoun},
journal= {arXiv preprint arXiv:2310.13263},
year = {2023}
}
备注
Accepted by NeurIPS2023