- Point2Pix. Ֆոտո-իրատեսական կետային ամպի ցուցադրում նյարդային ճառագայթման դաշտերի միջոցով (arXiv)
Հեղինակ՝ Tao Hu, Xiaogang Xu, Shu Liu, Jiaya Jia
Վերացական. կետային ամպից ֆոտոռեալիստական պատկերներ սինթեզելը դժվար է կետային ամպերի ներկայացման սակավության պատճառով: Նյարդային ճառագայթման վերջին դաշտերը և ընդլայնումները առաջարկվում են 2D մուտքագրումից իրատեսական պատկերներ սինթեզելու համար: Այս հոդվածում մենք ներկայացնում ենք Point2Pix-ը որպես նոր կետի հաղորդիչ՝ 3D նոսր կետային ամպերը 2D խիտ պատկերի պիքսելների հետ կապելու համար: Օգտվելով կետային ամպի 3D-ից առաջ և NeRF մատուցման խողովակաշարից՝ մեր մեթոդը կարող է սինթեզել բարձրորակ պատկերներ գունավոր կետային ամպերից, հիմնականում ներքին նոր տեսարանների համար: Ճառագայթային նմուշառման արդյունավետությունը բարելավելու համար մենք առաջարկում ենք կետով առաջնորդվող նմուշառում, որը կենտրոնանում է վավեր նմուշների վրա: Նաև ներկայացնում ենք «Կետերի կոդավորումը»՝ բազմամասշտաբ ճառագայթման դաշտեր ստեղծելու համար, որոնք ապահովում են 3D կետի խտրական հատկանիշներ: Վերջապես, մենք առաջարկում ենք Fusion Encoding՝ բարձրորակ պատկերները արդյունավետ կերպով սինթեզելու համար: ScanNet և ArkitScenes տվյալների շտեմարանների լայնածավալ փորձերը ցույց են տալիս արդյունավետությունն ու ընդհանրացումը
2.F2-NeRF. Արագ նյարդային ճառագայթման դաշտային մարզում տեսախցիկի անվճար հետագծերով (arXiv)
Հեղինակ՝ Peng Wang, Yuan Liu, Zhaoxi Chen, Lingjie Liu, Ziwei Liu, Taku Komura, Christian Theobalt, Wenping Wang
Համառոտագիր. նրա աշխատությունը ներկայացնում է ցանցի վրա հիմնված նոր NeRF, որը կոչվում է F2-NeRF (Fast-Free-NeRF)՝ նոր տեսքի սինթեզի համար, որը թույլ է տալիս կամայական մուտքագրել տեսախցիկի հետագծերը և ընդամենը մի քանի րոպե արժե ուսուցման համար: Գոյություն ունեցող արագ ցանցի վրա հիմնված NeRF ուսուցման շրջանակները, ինչպիսիք են Instant-NGP-ը, Plenoxels-ը, DVGO-ն կամ TensoRF-ը, հիմնականում նախատեսված են սահմանափակ տեսարանների համար և ապավինում են տարածության շեղմանը` անսահմանափակ տեսարանները մշակելու համար: Գոյություն ունեցող երկու լայնորեն օգտագործվող տիեզերական աղավաղման մեթոդները նախատեսված են միայն դեպի առաջ ուղղված կամ 360 աստիճան օբյեկտակենտրոն հետագծի համար, սակայն չեն կարող մշակել կամայական հետագծեր: Այս փաստաթղթում մենք խորը խորանում ենք տիեզերական աղավաղման մեխանիզմի մեջ՝ անսահմանափակ տեսարաններ վարելու համար: Հիմնվելով մեր վերլուծության վրա՝ մենք հետագայում առաջարկում ենք տարածության շեղման նոր մեթոդ, որը կոչվում է հեռանկարային աղավաղում, որը թույլ է տալիս մեզ կարգավորել կամայական հետագծերը ցանցի վրա հիմնված NeRF շրջանակում: Լայնածավալ փորձերը ցույց են տալիս, որ F2-NeRF-ն ի վիճակի է օգտագործել նույն հեռանկարային շեղումը` երկու ստանդարտ տվյալների հավաքածուների և մեր կողմից հավաքված նոր ազատ հետագծային տվյալների բազայի վրա բարձրորակ պատկերներ ցուցադրելու համար: Ծրագրի էջ՝ https://totoro97.github.io/projects/f2-nerf.
