超级NeRF:为NeRF超分辨率生成视图一致的细节

科学领域:

• 计算机视觉 计算机视觉
• 3D场景重建 3D场景重建
• 神经染是一种神经染.

背景情况:

• 神经辐射场 (NeRF) 擅长合成高保真度的3D场景的新视图.
• 目前的NeRF方法主要集中在高分辨率输入的高分辨率输出上,忽略了低分辨率输入场景.
• 超高分辨率NeRF是一个尚未探索的但对于从有限分辨率数据生成详细的3D场景至关重要的领域.

研究的目的:

• 从低分辨率输入图像中生成高分辨率NeRF表示的新方法Super-NeRF.
• 通过从低分辨率输入中实现高保真细节生成,解决NeRF超分辨率的差距.
• 开发一种方法,以确保生成的高分辨率细节的视图一致性.

主要方法:

• 拟议的超级NeRF,一个多视图一致性控制超分辨率模块为NeRF.
• 引入了每个视图的可优化隐藏代码,以控制高分辨率的2D图像生成,同时保持视图一致性.
• 协同优化潜伏代码与超级NeRF表示,利用内在的NeRF视图一致性约束.

主要成果:

• 在合成,现实世界和人工智能生成的NeRF数据集上证明了超级NeRF的有效性.
• 在NeRF超分辨率方面实现了最先进的性能,特别是在生成高分辨率细节方面.
• 在超分辨率的NeRF输出中展示了卓越的交叉视图一致性.

结论:

• 超NeRF有效地从低分辨率图像中生成高分辨率的NeRF,显著提升了NeRF超分辨率.
• 该方法对于需要从有限分辨率数据进行详细的3D场景重建的应用具有很大的潜力.
• 超级NeRF为NeRF超分辨率的高分辨率细节生成和视图一致性设定了新的基准.