ZeroRF：无需预训练的快速稀疏视角360°重建
计算机视觉与模式识别
2023-12-15 v1 图形学
摘要
我们提出了ZeroRF，一种新颖的逐场景优化方法，用于解决神经场表示中稀疏视角360°重建的挑战。当前像神经辐射场（NeRF）这样的突破性技术已经实现了高保真图像合成，但在稀疏输入视角下表现不佳。现有方法，如可泛化NeRF和逐场景优化方法，在数据依赖性、计算成本和跨不同场景的泛化能力方面面临局限性。为了克服这些挑战，我们提出了ZeroRF，其关键思想是将定制的深度图像先验集成到分解的NeRF表示中。与传统方法不同，ZeroRF使用神经网络生成器参数化特征网格，无需任何预训练或额外正则化即可实现高效的稀疏视角360°重建。大量实验展示了ZeroRF在质量和速度方面的多功能性和优越性，在基准数据集上达到了最先进的结果。ZeroRF的重要性还扩展到3D内容生成和编辑等应用。项目页面：https://sarahweiii.github.io/zerorf/
引用
@article{arxiv.2312.09249,
title = {ZeroRF: Fast Sparse View 360{\deg} Reconstruction with Zero Pretraining},
author = {Ruoxi Shi and Xinyue Wei and Cheng Wang and Hao Su},
journal= {arXiv preprint arXiv:2312.09249},
year = {2023}
}
备注
Project page: https://sarahweiii.github.io/zerorf/