物体光场的无监督发现与合成

神经场景表示，无论是连续的还是离散的，近来已成为一种用于三维场景理解的强大新范式。近期的研究致力于无监督发现以物体为中心的神经场景表示。然而，光线步进（ray-marching）的高昂代价，因每个物体表示都必须单独进行光线步进而加剧，导致辐射场采样不足，从而在训练和渲染过程中产生带噪声的绘制、低帧率以及高内存与时间复杂度。在此，我们提出将以物体为中心的组合式场景表示中的物体表示为光场。我们提出了一种新颖的光场合成器模块，能够从一组以物体为中心的光场重建全局光场。我们的方法被称为组合式物体光场（COLF），其实现了以物体为中心的神经场景表示的无监督学习，在标准数据集上达到最先进的重建与新视角合成性能，并且渲染与训练速度比现有三维方法快数个数量级。