ZS-SRT：一种用于神经辐射场的高效零样本超分辨率训练方法
计算机视觉与模式识别
2026-02-11 v1 图形学
摘要
Neural Radiance Fields (NeRF) 在合成与训练视角分辨率相同的新视角任务中取得了巨大成功。然而，对于 NeRF 来说，使用低分辨率训练数据合成高质量的高分辨率新视角具有挑战性。为了解决这个问题，我们提出了一种用于 NeRF 的零样本超分辨率训练框架。该框架旨在通过单场景内部学习引导 NeRF 模型合成高分辨率新视角，而不需要任何外部高分辨率训练数据。我们的方法包含两个阶段。首先，我们通过对预训练的低分辨率粗糙 NeRF 执行内部学习，来学习特定于场景的退化映射。其次，我们通过使用我们的映射函数进行逆向渲染来优化超分辨率精细 NeRF，以便将梯度从低分辨率 2D 空间反向传播到超分辨率 3D 采样空间。然后，我们在推理阶段进一步引入时间集成策略，以补偿场景估计误差。我们的方法有两个特点：(1) 它不消耗高分辨率视图或额外的场景数据来训练超分辨率 NeRF；(2) 它可以通过采用从粗到细的策略来加速训练过程。通过在公开数据集上进行大量实验，我们定性和定量地证明了我们方法的有效性。
引用
@article{arxiv.2312.12122,
title = {ZS-SRT: An Efficient Zero-Shot Super-Resolution Training Method for Neural Radiance Fields},
author = {Xiang Feng and Yongbo He and Yubo Wang and Chengkai Wang and Zhenzhong Kuang and Jiajun Ding and Feiwei Qin and Jun Yu and Jianping Fan},
journal= {arXiv preprint arXiv:2312.12122},
year = {2026}
}