可编辑NeRF:根据关键点编辑拓学上不同的神经辐射场
IEEE transactions on pattern analysis and machine intelligence
|February 14, 2024
概括
这项研究引入了可编辑的神经辐射场 (NeRF),以轻松操纵场景. 该方法允许用户通过移动关键点来编辑具有拓变化的动态场景,从而产生新的视图.
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) 擅长于照片现实的新视图合成.
- 编辑NeRF模拟的动态场景仍然是一个重大挑战,特别是在拓变化方面.
研究的目的:
- 开发一个可编辑的神经辐射场系统,用于直观的场景编辑.
- 使最终用户能够通过简单的交互来修改动态场景,包括拓变化.
主要方法:
- 一种新的场景分析方法检测和初始化表面关键点,考虑场景动态.
- 一个加权的关键点策略优化了用于建模动态拓的联合关键点和权重.
- 网络自动训练来自单摄像头图像序列.
主要成果:
- 拟议的方法允许直观的多维 (高达3D) 编辑动态场景.
- 在各种动态场景上取得了高质量的场景编辑结果.
- 该系统成功地生成了输入数据中不存在的新景观.
结论:
- 可编辑的神经辐射场为用户驱动的动态场景操纵提供了强大的工具.
- 该方法有效地处理动态场景中的拓变化.
- 这种方法优于现有的动态场景编辑的最先进技术.


