NeRF
文章平均质量分 97
泠山
欢迎提出任何想法和指正,没回复多半是太忙了
展开
-
3DGS 其二:Street Gaussians for Modeling Dynamic Urban Scenes
基于场景表达的不同,可以将场景重建分为和我感觉这里说的其实是隐式辐射场和显式辐射场更贴切。:用 MLP 网络表示连续的体积场景,如 Mip-NeRF360、DNMP 等将其应用场景扩展到了城市街景,已去的不错的渲染效果。:在点云上定义学习神经描述符,并使用神经渲染器执行可微分的光栅化,大大可以提高了渲染效率。然而,它们需要密集的点云作为输入,并在点云稀疏区域的结果相对模糊。原创 2024-01-27 14:55:04 · 2391 阅读 · 0 评论 -
3DGS 其一:3D Gaussian Splatting for Real-Time Radiance Field Rendering
α是表达三维场景的一种方式,不同于 NeRF 用一个点来表达,它是用一堆的 3D 高斯来表达。原创 2024-01-17 15:39:32 · 3505 阅读 · 1 评论 -
NeRF 其三:Instant-NGP
系列文章:相比于 Mip-NeRF 对 NeRF 性能上的提升,Instant-NGP 更多的是对 NeRF 在速度上做优化。我们知道,在传统 NeRF 内,给定一个三维的方向向量 d\boldsymbol{d}d,会使用 γ\gammaγ 把它编成 242424 维。 是传统图形学中的一种光照模型,在 Instant-NGP 中使用它将传统 NeRF 的视线方向编码做了替换-------使用球谐函数做方向编码,其将 d\boldsymbol{d}d 映射成了一个固定的 161616 维向量。值得注意的是,原创 2024-01-16 16:03:28 · 2702 阅读 · 1 评论 -
NeRF 其二:Mip-NeRF
相比于 NeRF,Mip-NeRF 主要是在视觉上的改进。混叠会造成视觉质量的下降,将抗混叠应用到 NeRF 里,就生成了 Mip-NeRF。至于什么是混叠,让我们接着看看。原创 2024-01-12 15:57:20 · 1782 阅读 · 1 评论 -
NeRF 其一:NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
因此 NeRF 的目标也就相当清楚了:首先拍摄多视角的图像,然后要拿到这些图像对应的内外参数(可以使用 COLMAP),这时使用神经网络去学习三维场景内的辐射值(学习不同方向的光线),然后就可以在不同视角下做可视化了。这里要明白光线(ray)的含义,它是由 相机/眼睛 发出,已知会穿过实际 3D 物体的一条虚拟射线,如下图所示:图中的就是我们最后想得到的图,我们要用 NeRF 找到 Image Plane 上面每个像素的 RGB。那么怎么找呢?原创 2024-01-07 16:42:00 · 1266 阅读 · 0 评论