SinNeRF:単一画像からの複雑なシーン上の神経放射輝度場の訓練【JST・京大機械翻訳】

Xu Dejia; Jiang Yifan; Wang Peihao; Fan Zhiwen; Shi Humphrey; Wang Zhangyang

プレプリント

J-GLOBAL ID：202202216894188810 整理番号：22P0324425

SinNeRF:単一画像からの複雑なシーン上の神経放射輝度場の訓練【JST・京大機械翻訳】

SinNeRF: Training Neural Radiance Fields on Complex Scenes from a Single Image

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年04月02日プレプリントサーバーでの情報更新日： 2022年08月11日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

神経放射場(NeRF)の急速な発展にもかかわらず,高密度カバーの必要性は,そのより広い応用を大きく禁止する。いくつかの最近の研究はこの問題に取り組むことを試みたが,それらはまばらな見解(まだ,まだ少数のもの)または単純なオブジェクト/シーンで動作している。本研究では,より野心的なタスク,すなわち,学習神経放射輝度場を,現実的に複雑な視覚シーン,すなわち,単一視点のみを用いて,”1回だけ”を”だけ”することにより,考察した。この目的を達成するために,著者らは,思考的に設計した意味と幾何学正則化から成る単一ビューNeRF(SinNeRF)フレームワークを提示した。特に,SinNeRFは,半教師つき学習プロセスを構築し,ここでは,幾何学的擬似ラベルと意味擬似ラベルを導入し,進行訓練プロセスをガイドする。広範な実験を,NeRF合成データセット,局所光場融合データセット,およびDTUデータセットを含む複雑なシーンベンチマークで行った。マルチビューデータセット上で事前訓練なしでも,SinNeRFは光現実的な新しいビュー合成結果をもたらすことができることを示す。単一画像設定の下で,SinNeRFは,すべての場合において現在の最先端のNeRFベースラインよりも著しく優れていた。プロジェクトページ:https://vita group.github.io/SinNeRF/;【JST・京大機械翻訳】

, , , , , , ,
, , , 【Automatic Indexing@JST】

図形・画像処理一般 , 人工知能 , パターン認識

, , ,

前のページに戻る