View Synthesis(36)
-
Block-NeRF: Scalable Large Scene Neural View Synthesis
Block-NeRF: Scalable Large Scene Neural View Synthesis Matthew Tancik, Vincent Casser, Xinchen Yan, Sabeek Pradhan, Ben Mildenhall, Pratul Srinivasan, Jonathan T.Barron, Henrik Kretzschmar Abstract 대규모 환경을 나타낼 수 있는 Neural Radiance Fields의 변형인 Block-NeRF를 제시한다. 특히, 우리는 여러 블록에 걸쳐 도시 규모의 장면을 렌더링하기 위해 NeRF를 스케일링할 때, 장면을 개별적으로 학습된 NeRF로 분해하는 것이 중요하다는 것을 보여준다. 이 분해를 통해 렌더링 시간을 장면 크기에서 분리하고 렌더링을 임의로 큰 ..
2022.04.12 -
Mip-NeRF: A Multiscale Representation for Anti-Aliasing Neural Radiance Fields
Mip-NeRF: A Multiscale Representation for Anti-Aliasing Neural Radiance Fields Jonathan T. Barron, Ben Mildenhall, Matthew Tancik, Peter Hedman, Ricardo Martin-Brualla, Pratul P. Srinivasan Abstract Neural Radiance Field (NeRF)에서 사용되는 렌더링 절차는 픽셀당 단일 ray로 장면을 샘플링하므로 학습 또는 테스트 영상이 다른 해상도로 장면 내용을 관찰할 때 지나치게 블러하거나 앨리어스되는 렌더링을 생성할 수 있습니다. 픽셀당 여러 개의 ray를 사용하여 렌더링하여 슈퍼샘플링을 수행하는 간단한 솔루션은 각 ray를 렌더링할 때 멀..
2022.03.29 -
NeRF++: Analyzing and Improving Neural Radiance Fields
NeRF++: Analyzing and Improving Neural Radiance Fields Kai Zhang, Gernot Riegler, Noah Snavely, Vladlen Koltun Abstract Neural Radiance Fields(NeRF)는 경계 장면의 360˚ 캡처와 경계 및 경계 없는 장면의 정향 캡처를 포함한 다양한 캡처 설정에 대해 인상적인 view synthesis 결과를 달성한다. NeRF는 뷰 불변도 및 뷰 의존적 컬러 볼륨을 나타내는 다층 퍼셉트론(MLP)을 훈련 이미지 세트에 맞추고 볼륨 렌더링 기술을 기반으로 새로운 뷰를 샘플링한다. 이 기술 보고서에서는 먼저 광도 장과 그 잠재적 모호성, 즉 형상 방사 모호성에 대해 언급하고, 그러한 모호성을 피하는 NeRF..
2022.02.23 -
NeRF−−: Neural Radiance Fields Without Known Camera Parametrs (번역)
NeRF−−: Neural Radiance Fields Without Known Camera Parametrs ZIRUI WANG, SHANGZHE WU, SHANGZHE WU, MIN CHEN, VICTOR ADRIAN PRISACARIU 이 논문은 알려진 카메라 포즈나 본질적인 요소 없이 2D 이미지에서 새로운 뷰 합성(NVS) 문제를 다룹니다. 다양한 NVS 기술 중 NeRF(Neural Radiance Field)는 놀라운 합성 품질로 인해 최근 인기를 얻고 있습니다. 기존 NeRF 기반 접근 방식은 각 입력 이미지와 관련된 카메라 매개변수가 학습 시 직접 액세스할 수 있거나 동작 구조와 같은 대응을 기반으로 하는 기존 기술로 정확하게 추정할 수 있다고 가정합니다. 이 작업에서 우리는 미리 계산된..
2021.07.27 -
NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis (번역)
NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis Ben Mildenhall, Pratul P. Srinivasan, Matthew Tancik, Jonathan T. Barron, Ravi Ramamoorthi, Ren Ng Abstract 희소한 입력 뷰 세트를 사용하여 기본 연속 체적 장면 함수를 최적화하여 복잡한 장면의 새로운 뷰를 합성하기 위한 최첨단 결과를 달성하는 방법을 제시합니다. 우리의 알고리즘은 완전히 연결된 (비컨볼루션) 심층 네트워크를 사용하는 장면을 나타냅니다, 입력은 단일 연속 5D 좌표(공간적 위치 (x, y, z) 및 보기 방향 (θ, Φ))이고 출력은 해당 공간 위치에서 볼륨 밀도 및 뷰에 따라 방..
2021.05.24 -
Stereo Magnification: Learning view synthesis using multiplane images (번역)
Stereo Magnification: Learning view synthesis using multiplane images TINGHUI ZHOU, RICHARD TUCKER, JOHN FLYNN, GRAHAM FYFFE, NOAH SNAVELY 알려진 이미지에서 장면의 새로운 뷰를 생성하는 뷰 합성 문제는 부분적으로 가상 및 증강 현실의 강력한 응용 프로그램으로 인해 최근 관심을 끌었습니다. 본 논문에서, 우리는 뷰 합성에 대한 흥미로운 시나리오를 탐구한다: VR 카메라와 현재 널리 보급된 듀얼 렌즈 카메라 폰을 포함하여 좁은 기준의 스테레오 카메라에 의해 캡처된 이미지에서 뷰를 외삽한다. 우리는 이 문제를 스테레오 확대라고 부르고, 다중 평면 이미지(MPI)라고 부르는 새로운 레이어 표현을 활용하는..
2021.03.19