//再不认真就输了!
//致力于发现AIGC动态与教程。

加速神经辐射场渲染新方法:平滑过渡体积与表面的神经辐射公式

AI人工智能技术:神经辐射场在视图合成领域取得了前所未有的质量,但其体积公式依然昂贵,需要大量样本以渲染高分辨率图像。对于表示模糊几何(如树叶和头发),体积编码至关重要,并且适用于随机优化。然而,许多场景主要由实体表面组成,可以通过每个像素的单个样本准确渲染。为解决这一问题,他们提出了一种神经辐射公式,实现了基于体积和基于表面的渲染之间的平滑过渡,从而显著提高了渲染速度,甚至增强了视觉保真度。

该方法构建了一个显式网格包络,该包络在空间上限制了神经体积表示。在实体区域中,包络几乎会聚到一个表面,通常可以使用单个样本进行渲染。为实现这一点,他们推广了NeuS公式,该公式具有学习到的空间变化的核大小,该核编码密度的扩散,将宽核拟合到体积状区域,将紧密核拟合到表面状区域。然后,在表面周围提取一个窄带的显式网格,其宽度由内核大小决定,并微调该带内的辐射场。在推理时,他们将光线投射到网格上,并仅在封闭区域内评估辐射场,从而显著减少了所需的样本数量。

实验证明,他们的方法在高效渲染的同时能够保持非常高的视觉保真度。他们还展示了提取的包络支持各种下游应用,包括动画和模拟。这一创新性的方法为视图合成领域带来了新的可能性和效率。

更多详情点击链接:https://huggingface.co/papers/2311.10091

版权声明:本文采用知识共享 署名4.0国际许可协议 [BY-NC-SA] 进行授权
文章名称:《加速神经辐射场渲染新方法:平滑过渡体积与表面的神经辐射公式》
文章链接:https://heehel.com/aigc/new-method-for-neural-radiation-field-rendering.html
本站资源仅供个人学习交流,未经许可不得用于商业用途,自行承担法律责任。
如有疑问,请联系微信:heehelcom

评论 抢沙发

喜好儿——再不认真就输了!

致力于发现ai人工智能应用的新世界, 长期更新目前热门AI教程与动态!期待在这个工业变革时代中,希望你我都能发出一点光。

登录

找回密码

注册