巨大的NVS:千兆像素大规模的神经染与隐含的元变形多重组

科学领域:

• 计算机视觉 计算机视觉
• 计算机图形 计算机图形
• 三维重建的3D重建

背景情况:

• 千兆像素成像捕获了丰富的场景细节,但在3D重建中未得到充分利用.
• 现有的新型视图合成 (NVS) 方法与大基线挑战和高分辨率利用作斗争,导致模糊的文物.

研究的目的:

• 通过解决大基线问题,弥合千兆像素成像能力和3D重建之间的差距.
• 介绍GiganticNVS,这是一种用于千兆像素大规模新视图合成 (NVS) 的新方法.

主要方法:

• 为隐性神经场提出了一个元变形的多重表示,将几何和外观嵌入到一个高维的潜空间中.
• 利用特征度变形来强制执行多视图几何对应,并学习了表面的反射场.
• 利用具有视图一致性的高表达性隐性场,从大基线观测中合成高保真度细节.

主要成果:

• 巨大的NVS在标准和千兆像素级超大规模基准上,在数量和质量上优于最先进的方法.
• 该方法成功地从大基线观测中合成了高准确度的细节,克服了现有的NVS技术的局限性.
• 证明有效地恢复了忠实的底层几何形状和图像分辨率的利用.

结论:

• 拟议的元变形多元体表示对于从大基线观测中获得高可靠性NVS至关重要.
• 巨大的NVS有效地解决了使用千兆像素图像的大规模场景重建的挑战.
• 该方法显示了对复杂的大型环境的新视图合成的显著改进.