【简介】
本文的作者来自UC Berkeley，Waymo和Google研究院，一听就是大佬。发表在CVPR 2022。 Block-NeRF是一种大规模环境的神经辐射场。当渲染多个街区的大规模城市场景时，可以将场景分解为独立训练的NeRFs。这种分解使得渲染时间和场景大小脱钩，渲染可以扩展到任意大的环境，并允许对环境的每个区块进行更新。作者为每个单独的NeRF添加了外观嵌入、位姿精细优化和可控曝光，可以校准相邻NeRF之间的外观，从而可以实现无缝结合。作者从280w张图构建了一个Block-NeRFs网络，创建了迄今为止最大的神经辐射场，渲染了旧金山的一整个街区。
【创新点】 1. 将大环境划分为区块单独训练，在推理时动态渲染和组合。 2. 引入外观匹配，将不同block进行视觉对齐。 【review】
【方法】
【结论】
【参考】
Tancik M, Casser V, Yan X, et al. Block-nerf: Scalable large scene neural view synthesis[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2022: 8248-8258.
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。