nerf
文章平均质量分 93
游不动的鱼-learning
这个作者很懒,什么都没留下…
展开
-
GIRAFFE:Representing Scenes as Compositional Generative Neural Feature Fields
深度生成模型可以在高分辨率下进行逼真的图像合成。但对于许多应用来说,这还不够:内容创作还需要做到可控。GRAF加入了形状编码和外观编码,实现对场景中物体的编辑。GiRAFFE的关键假设是,**将组合式三维场景表示纳入生成模型,可以使图像合成更加可控。**将场景表示为生成性神经特征场,使得能够从背景中分离出一个或多个物体,以及单个物体的形状和外观,同时无需任何额外的监督就能从非结构化和非posed的图像集中学习。将这种场景表示与神经渲染管道结合起来,可以产生一个快速而真实的图像合成模型。原创 2023-04-19 21:13:23 · 271 阅读 · 0 评论 -
RegNeRF: Regularizing Neural Radiance Fields for View Synthesis from Sparse Inputs
nerf因其简单性和SOTA的表现已成为新视图合成任务的有力代表。NeRF的输入为多个视图的图片时,能够生成新的相机视角的照片级真实感的渲染图片,但当输入视图变少时,性能会显著下降。在现实世界的应用场景,比如AR/VR、自动驾驶、机器人等,这些场景下能获取到的输入通常是稀疏的,每个场景只有很少的视图(关于特定对象或部分区域的视图),在这些场景下,NeRF渲染得到的新视图的质量显著下降。原创 2023-04-12 20:04:48 · 715 阅读 · 0 评论