英伟达为低数据NeRF训练提出频率正则化和遮挡正则化
在few-shot设置中,最少只需一行代码,普通的NeRF无需上述策略就可以表现出出色的性能
(映维网Nweon 2023年04月11日)由于能够呈现高保真度的新视图,神经辐射场(NeRF)在3D计算机视觉和计算机图形学中获得了极大的关注。诸如英伟达等厂商一直有在研究相关的问题。
对于NeRF,当只有少数输入可用时,它容易过度拟合训练视图,并难以进行新的视图合成。这种从稀疏输入的视图合成问题称为few-shot神经渲染问题。
现有的方法使用不同的策略来应对这一挑战。诸如PixelNerf和MVSNeRF等转移学习方法需要在大规模定制多视图数据集进行预训练,并在测试时进一步结合每个场景的优化;深度监督方法引入估计深度作为外部监督信号,从而导致复杂的训练管道。Patch-Based正则化方法将来自不同来源的正则化强加给渲染的Patch,并需要以计算开销作为代价。
针对所述问题,英伟达和加利福尼亚大学洛杉矶分校在一篇名为《FreeNeRF: Improving Few-shot Neural Rendering with Free Frequency Regularization》的论文中提出了一种解决方案:在few-shot设置中,最少只需一行代码,普通的NeRF无需上述策略就可以表现出出色的性能。
......(全文 1438 字,剩余 1042 字)
请微信扫码通过小程序阅读完整文章或者登入网站阅读完整文章
映维网会员可直接登入网站阅读
PICO员工可联系映维网免费获取权限