Ref-NeRF:神经辐射场的结构化视图依赖的外观
IEEE transactions on pattern analysis and machine intelligence
|January 30, 2024
概括
Ref-NeRF增强神经辐射场 (NeRF) 以实现现实的光泽表面染. 这种新的方法改进了镜像反射,并为编辑提供可解释的场景表示.
科学领域:
- 计算机视觉 计算机视觉
- 计算机图形 计算机图形
- 人工智能的人工智能
背景情况:
- 神经辐射场 (NeRF) 在视图合成和几何细节方面表现出色.
- NeRF 很难准确地表示光泽表面和镜面反射.
研究的目的:
- 提高NeRF模型中镜像反射的现实性和准确性.
- 引入新的NeRF参数化,以提高光泽表面的外观.
主要方法:
- 引入了Ref-NeRF,用反射辐射取代视图依赖的辐射.
- 利用空间变化的场景属性用于功能结构.
- 在正常向量上加入一个调节器.
主要成果:
- 显著提高了镜像反射的现实性和准确性.
- 证明了模型内部辐射表示的可解释性.
- 展示了场景编辑中表示的实用性.
结论:
- Ref-NeRF有效地解决了光泽表面标准NeRF的局限性.
- 拟议的方法增强了镜面反射染.
- 内部表示对于场景操纵和编辑非常有价值.


