Zip-NeRF：抗混叠的基于网格的神经辐射场
计算机视觉与模式识别
2023-10-30 v3 图形学
机器学习
摘要
神经辐射场（NeRF）的训练可通过在其从空间坐标到颜色与体密度的学习映射中使用基于网格的表示来加速。然而，这些基于网格的方法缺乏对尺度的显式理解，因此常引入混叠，通常表现为锯齿或缺失场景内容。抗混叠此前已由mip-NeRF 360解决，其沿锥体而非沿射线推理子体，但该方法与当前基于网格的技术天然不兼容。我们展示了如何将渲染与信号处理中的思想用于构建一种技术，将mip-NeRF 360与诸如Instant NGP的基于网格的模型相结合，从而产生比任一先前技术低8%–77%的误差率，且训练比mip-NeRF 360快24倍。
引用
@article{arxiv.2304.06706,
title = {Zip-NeRF: Anti-Aliased Grid-Based Neural Radiance Fields},
author = {Jonathan T. Barron and Ben Mildenhall and Dor Verbin and Pratul P. Srinivasan and Peter Hedman},
journal= {arXiv preprint arXiv:2304.06706},
year = {2023}
}
备注
Project page: https://jonbarron.info/zipnerf/