每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

学习神经暴露场以实现视图合成

Created by
  • Haebom

作者

迈克尔·尼迈耶、法比安·曼哈特、玛丽-朱莉·拉科图萨纳、迈克尔·厄克塞尔、克里斯蒂娜·察利科格鲁、馆野圭介、乔纳森·T·巴伦、费德里科·汤巴里

大纲

本文介绍了一种利用神经场景表征技术进展的全新 3D 重建和视图合成技术。具体而言，为了应对现实世界数据中图像间高度变异（例如强烈的曝光变化）所带来的挑战，我们提出了一种名为神经曝光场 (NExF) 的技术。NExF 通过学习能够预测每个 3D 点最佳曝光值的神经场，同时优化曝光和神经场景表征。这使其能够在高动态范围场景下实现精确的视图合成，无需后处理或多次曝光捕捉。此外，与之前的研究相比，NExF 还实现了更快的训练速度，并在多个基准测试中将性能提升了 55% 以上。

Takeaways, Limitations

•
Takeaways：
◦
增强 3D 重建技术的性能，以处理来自真实环境的各种数据。
◦
提出了一种高动态范围视图合成的新方法。
◦
与现有方法相比，实现更快的训练速度和卓越的性能。
•
Limitations：
◦
论文中没有具体提及 Limitations。
👍
Made with Slashpage