方形-LFRF:使用基于神经辐射场的反别名虚拟视图合成来生成高速光场3D源

科学领域:

• 计算机视觉 计算机视觉
• 计算机图形 计算机图形
• 显示技术 显示技术

背景情况:

• 整体成像可以通过在两个维度中产生抛物线来实现无眼镜的3D感知.
• 这些显示器至关重要的光场3D源通常是从多个抛物线图像中合并而成的.
• 由于越来越多的观点,生成这些源面临着速度和质量的限制.

研究的目的:

• 开发一种高速,高保真的方法来产生光场3D源.
• 增强虚拟视图合成,以提高3D显示质量.
• 克服现有方法在生成复杂的光场数据方面的局限性.

主要方法:

• 拟议的 Square-LFRF 方法利用神经辐射场 (NeRF) 进行虚拟视图合成.
• 采用方形金字塔frustum造和重新校准的采样集成位置编码.
• 实施立方体投影,以减少网络规模和培训时间.
• 引入了一个像素选方法,通过消除多余的光线来优化染.

主要成果:

• 与Blender数据集上的Mip-NeRF相比,Square-LFRF实现了平均相对错误率的8%降低.
• 网络大小减少到72.3MB,培训时间减少到10分钟.
• 与切断-NeRF相比,像素选方法加速了70%的光场3D源生成.

结论:

• 方形LFRF在为光场3D源生成高质量,反伪造的虚拟视图方面取得了重大进展.
• 该方法显示了基于NeRF的3D源生成速度和效率的显著改进.
• 方形LFRF为更实用和高效的无眼镜3D显示技术铺平了道路.