![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
NeRF论文学习
文章平均质量分 91
略略略06
这个作者很懒,什么都没留下…
展开
-
泛化NeRF系列:IBRNet 学习基于多视点图像的绘制
1摘要作者提出了一种通过插值法来利用稀疏的邻近视点集来合成复杂场景的新视点的方法。这种方法的核心是一个网络架构,它包括一个多层感知器(MLP)和一个光线转换器(Ray transformer),它可以估计连续5D位置(3D空间位置xxx和2D观察方向ddd)的颜色值ccc和体积密度σσσ,从多个源视图中动态绘制外观信息。通过在渲染时绘制源视图,作者采用了一些基于图像的渲染(IBR)的经典工作中的方法,并可以以此渲染高分辨率的图像。与优化每个场景的渲染函数的NeRF不同,我们学习了一种通用的视图插值函数,该原创 2022-05-29 13:38:09 · 1265 阅读 · 0 评论 -
泛化nerf系列:pixelNeRF 一种基于NeRF的多视角三维重建网络
1摘要文中提出了一种新的学习框架PixelNeRF,针对的是原本NeRF的不足。即现有的构建神经辐射场的方法往往需要大量的已知观察视角的图片作为输入并且需要花费大量的训练时间。PixelNeRF为了克服这些不足,允许网络跨多个场景被训练以学习先前的场景(获取场景先验知识),使其能够以前馈的方式从稀疏(sparse)的视图集(如一个)执行新的视图合成。利用NERF的体绘制方法,文中的模型可以在没有显式3D监督的情况下直接从图像训练。论文进行了大量实验,实验结果表明,在所有情况下,PixelNeRF在新颖的原创 2022-05-29 10:07:02 · 5664 阅读 · 1 评论