NeRF
文章平均质量分 94
开了个新坑,后续会分享NeRF相关的基础知识和最新文章
优惠券已抵扣
余额抵扣
还需支付
¥99.90
购买须知?
本专栏为图文内容,最终完结不会低于15篇文章。
订阅专栏,享有专栏所有文章阅读权限。
本专栏为虚拟商品,基于网络商品和虚拟商品的性质和特征,专栏一经购买无正当理由不予退款,不支持升级,敬请谅解。
BIT可达鸭
北京理工大学计算机科学与技术专业直博,研究方向为 3D 视觉、零样本学习等,获得百度飞桨开发者技术专家、百度飞桨深度学习开发者峰会开源新星奖、小米奖学金等,个人主页:https://sharpiless.github.io/
展开
-
【CVPR 2021】无约束生成 - NeRF in the Wild: Neural Radiance Fields for Unconstrained Photo Collections
本文提出了一种基于学习的方法,仅使用非结构化的野外照片集合合成复杂场景的新视图。在神经辐射场(NeRF)的基础上,本文的方法使用一个多层感知器的权重作为一个三维坐标的函数,来模拟一个场景的密度和颜色。虽然 NeRF 在受控设置下捕获的静态主题的图像上表现得很好,但它无法在不受控设置的图像中建模许多普遍存在的真实现象,如可变照明或瞬态遮挡。为了解决这个问题,本文引入了一系列的 NeRF 扩展来解决这些问题,从而能够从从互联网上获取的非结构化图像集合中进行精确的重建。原创 2022-09-28 22:54:27 · 1390 阅读 · 2 评论 -
【CVPR 2021】Shadow Neural Radiance Fields for Multi-view Satellite Photogrammetry
本文提出了一种新的地球观测场景阴影感知多视点卫星摄影测量的通用方法。S-NeRF 遵循了隐式体积表示学习的最新进展。对于每个场景,S-NeRF 使用从已知的视角拍摄的非常高的空间分辨率的光学图像来训练。学习过程不需要标签或形状先验:它是由图像重建损失进行自监督的。为了适应来自方向光源(太阳)和漫射光源(天空)的不断变化的光源条件,本文以两种方式扩展了 NeRF 方法。首先,通过局部光源可见场模拟太阳的直接照明。第二,从漫射光源的间接照明作为一个非局部色场作为太阳位置的函数。原创 2022-09-24 11:16:38 · 887 阅读 · 0 评论 -
【CVPR 2022】NeRFReN: Neural Radiance Fields with Reflections
神经辐射场(NeRF)利用基于坐标的神经场景表示法实现了前所未有的视图合成质量。然而,NeRF 的视图依赖关系只能处理简单的反射,如高光,而不能处理复杂的反射,如那些来自玻璃和镜子。在这些场景中,NeRF 将虚拟图像建模为真实几何,导致不准确的深度估计,当违反多视图一致性时,会产生模糊的渲染,因为反射的对象可能只在某些视点下看到。为了克服这些问题,本文引入了 NeRFReN,它建立在 NeRF 上来建模反射场景。原创 2022-09-20 17:16:42 · 1128 阅读 · 0 评论 -
【CVPR 2022】HDR-NeRF: High Dynamic Range Neural Radiance Fields
本文提出了高动态范围神经辐射场(HDR-NeRF),以从一组不同曝光的低动态范围(LDR)视图中恢复 HDR 辐射场。通过 HDR-NeRF,我们能够在不同的曝光下生成新的 HDR 视图和新的 LDR 视图。HDR-NeRF 的关键是建模简化的物理成像过程,它指示一个场景点的亮度转换为 LDR 图像中的像素值与两个隐式函数:一个辐射场和一个 tone mapper。其中辐射场对场景辐射进行编码(值在000到+∞+∞+∞之间变化),通过给出相应的射线原点和射线方向,输出射线的密度和亮度。原创 2022-09-19 21:39:48 · 945 阅读 · 0 评论 -
【ICML 2018】Noise2Noise: Learning Image Restoration without Clean Data
本文将基本的统计推理用于通过机器学习进行信号重建——将损坏的观察映射到干净的信号,并得出了一个简单而强大的结论:可以只通过带噪图像来学习恢复图像,在性能上甚至有时超过使用干净的数据训练的模型,而无需明确的图像先验或噪声的概率模型。在实践中,作者证明了一个单一的模型可以仅基于噪声数据学习图像的噪声去除,去噪合成蒙特卡罗图像,并重建欠采样的 MRI 扫描——所有这些都被不同的过程破坏(加噪)。从损坏或不完整测量的信号中进行重建是统计数据分析的一个重要子领域。原创 2022-09-18 15:28:12 · 679 阅读 · 0 评论 -
【CVPR 2022】Deblur-NeRF: Neural Radiance Fields from Blurry Images
神经辐射场(NeRF)由于其显著的合成质量,近年来在三维场景重建和新的视图合成方面得到了广泛的关注。然而,在野外捕捉场景时经常发生的由离焦或运动引起的图像模糊,严重降低了其重建质量。为了解决这个问题,本文提出了 Deblur-NeRF,这是第一种可以从模糊的输入中恢复清晰的 NeRF 的方法。为此作者采用了一种综合分析的方法,通过模拟模糊过程来重建模糊视图,从而使 NeRF 对模糊输入具有鲁棒性。原创 2022-09-16 19:01:34 · 860 阅读 · 0 评论 -
【CVPR 2021】pixelNeRF: Neural Radiance Fields from One or Few Images
现有的构建 NeRF 的方法通常独立地优化对每个场景的表示,需要许多校准的视图和显著的计算时间。作者通过引入了全卷积的架构,为解决这些缺点迈出了一步。这允许网络跨多个场景进行训练,以预先学习一个场景,使它能够以前馈的方式从稀疏的视图集(只有一个视图)执行新的视图合成。然后利用 NeRF 的体积渲染方法,pixelNeRF 可以直接从图像中训练,而无需明确的三维监督。作者在 ShapeNet 基准测试上进行了广泛的实验,包括保留的对象以及整个看不见的类别。原创 2022-09-15 22:21:27 · 652 阅读 · 0 评论 -
【ECCV 2020】NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
本文提出了一种方法,通过使用稀疏的输入视图集来优化底层的连续体积场景函数,来实现合成复杂场景的新视图的最新结果。本文的算法使用全连接(非卷积)深度网络表示一个场景,该网络的输入是一个连续的 5D 坐标(包括空间位置(x,y,z)(x,y,z)(x,y,z)和视角方向(θ,φ)(θ,φ)),其输出是该空间位置的体积密度(volume density,可以理解成不透明度σ\sigmaσ)和视图相关的发射辐射cc。原创 2022-09-15 11:30:20 · 562 阅读 · 0 评论 -
【CVPR 2022】NeRF in the Dark: High Dynamic Range View Synthesis from Noisy Raw Images
神经辐射场(NeRF)是一种技术,从高质量的新观点合成的姿态输入图像的集合。与大多数视图合成方法一样,NeRF 使用调制的映射低动态范围(LDR)作为输入;这些图像经过一个有损的摄像机管道处理,可以平滑细节、剪辑高光,并扭曲原始传感器数据的简单噪声分布。本文中作者修改了 NeRF,直接对线性原始图像进行训练,保持场景的全动态范围。通过从生成的 NeRF 中渲染原始输出图像,我们可以执行新的高动态范围(HDR)视图合成任务。原创 2022-09-14 22:30:03 · 865 阅读 · 0 评论