70、SSDNeRF: Semantic Soft Decomposition of Neural Radiance Fields

C--G

已于 2023-01-11 23:51:02 修改

阅读量666

点赞数

分类专栏： # 3D重建文章标签：人工智能深度学习

于 2023-01-11 23:42:49 首次发布

本文链接：https://blog.csdn.net/weixin_50973728/article/details/128652506

版权

3D重建专栏收录该内容

113 篇文章 86 订阅

订阅专栏

简介

官网：https://www.siddhantranade.com/research/2022/12/06/SSDNeRF-Semantic-Soft-Decomposition-of-Neural-Radiance-Fields.html
SSDNeRF，将语义信号与场景的辐射信号联合编码，提供了场景的软分解为语义部分，能够正确编码沿同一方向的多个语义类混合——这对现有方法来说是不可能的壮举，这不仅带来了场景的详细3D语义表示，还表明用于编码的MLP的正则化效果有助于改善语义表示
在这里插入图片描述
给定一组RGB图像及其由Mask-RCNN等神经网络计算的分割掩码，SSDNeRF从新的视角自动渲染图像及其深度图，以及其软分割和软语义分解。SSDNeRF分解场景的体表示，从而将语义分割从2D提升到3D

共享点：

一种将神经辐射场分解为一组软语义层的新方法
一组改善重建图层几何质量的损失
一种以时间一致的方式操作自由视点视频的系统，同时尊重细节和保留视点相关的效果

实现流程

论文是基于Instant-ngp的重新实现。通过有 M 个颜色和密度输出来扩展NeRF架构，其中 M 是分割层的数量。此外，用类似于Nerfies的变形场扩展它，它使用刚性转换的螺旋轴表示。与Nerfies类似，在变形场的拉普拉斯上使用正则化子。

下图显示了网络体系结构。当M = 1时(在去除语义损失和提议的正则器后使用单个类)，网络架构为Instant-ngp。

Nerfies网络结构
在这里插入图片描述
SSDNeRF网络结构

在具有视图方向 d 和外观代码 l 的标准框架中的每个点 x上，预测每个语义类的颜色 $c_i$ 和透明度 $σ_i$ 。
在这里插入图片描述

SSDNeRF变形场:在时间 t 的每一点x处，变形场输出螺旋轴参数r, v。在这里插入图片描述

该方法不是为场景生成单个密度场和辐射场，而是为每个语义层生成密度场和辐射场，以表示语义类之间的软转换。使用了一组正则化，利用这种分解来生成高质量的语义层

原始NeRF公式
在这里插入图片描述
在空间的同一点，最终的累积 σ 值应该是所有层的材料密度的总和，最终的颜色应该由各自的层密度加权
论文体渲染公式

除了渲染所有层外，还可以只使用密度 $σ_i$ 和颜色 $c_i$ 来渲染第 i 个语义层.第 i 个语义 mask 可以使用密度 σ 和颜色 $\frac{\sigma^i_j}{\sigma_j}$ 进行渲染
在这里插入图片描述
其中 $KaTeX parse error: Expected '}', got 'EOF' at end of input: {\sigma^i_j$ 是语义层 i 在样本点 j 沿射线 r 的密度

SSDNeRF体渲染公式推导

对连续的体渲染公式转换为离散形式过程如下

在这里插入图片描述

为了将一个NeRF分解为M个语义层，扩展了这个公式，并生成每个层 F 的颜色和密度值: $x, d)→(c^1， σ^1，…c^M， σ^M)$ ，SSD连续体渲染公式如下

转化为离散形式

可以通过保持第 i 层的密度相同，并将其他层的密度设置为0来生成第 i 层，其中 $T^i_j = exp \big( -\sum^{j-1}_{k=1} \sigma^i_j \delta^i_j \big)$
在这里插入图片描述
生成第 i 个分割掩码可以通过将第 i 层的颜色设置为1，而其他层的颜色设置为0

在这里插入图片描述

损失函数

层分解允许每个层独立正则化，在训练过程中，最小化一组损失，每一组损失在优化过程中发挥着关键作用
在这里插入图片描述

Color Loss

在这里插入图片描述
R是每个批次中的光线集合

Semantic Loss

引入一个语义项损失最小化的区别和真值语义呈现面具，语义面具从 Mask-RCNN 模型生成用于监督和容易包含异常值,因此使用一个健壮的损失 γ≤1，为了考虑类别不平衡，使用其 instantaneous recall (即在每个训练批次内)导致的每个类别单独权衡
在这里插入图片描述
其中 $R^i = \frac{TP^i}{P^i}$ 是类别i的召回率，即true positives TP 与该类别所有 positives P的比率

Sparsity Loss

如果没有进一步的正则化，重建的模型容易在接近训练相机位置和半空中出现半透明材料，这些是过度拟合的伪影，通常来自于错误建模的视角相关效应，为了减少这种部分不透明度的发生，引入了稀疏性损失，有利于不透明度趋近于0或1
在这里插入图片描述

Group Sparsity Loss

尽管二维语义分割掩码是有噪声的，但我们知道，在大多数情况下，空间中的任何点上都应该存在很少的语义类别，用一个额外的正则化术语来表述这个期望的属性，以最大限度地减少语义层之间不透明的共同出现，对每个样本来说，只有一个不透明度值趋向于1，其他趋向于0
在这里插入图片描述

训练细节

使用 NVidia RTX 3080 GPU 迭代 50k次，使用Adam优化器，学习率为 $10^{-2}$ ， $\beta_1 = 0.9 \beta_2 = 0.99$ ，没个betch中使用2048条射线，semantic loss中 $\lambda = 1$ ，sparsity loss 和 group sparsity loss中 $\lambda = 0.8$ ，各个损失的权重为， $\lambda_{color} = 1$ $\lambda_{sem} = 10^{-1}$ , $\lambda_{group} = 10^{-3}$