Adaptive Voronoi NeRFs

要約

タイトル：アダプティブボロノイNeRFs
要約：
– NeRFs (Neural Radiance Fields)は、登録された画像セットから3Dシーンを表現できるようになった。
– シーンサイズが大きくなると、すべての詳細をキャプチャするために、典型的にニューラルネットワークで表現されるよりも複雑な関数が必要になるため、多くのクエリが必要であり、実用的ではなくなる。
– 多くの簡単な関数を使用することで、このような複雑な関数を置き換えることができるため、シーンを分割するために複数の簡単な関数を使用することを示した。
– 各ボロノイセルに独自のNeRFを装備することで、シーン表現を迅速に学習できるようになる。
– スペースの直感的な分割を提案することで、トップダウンのアダプティブリファインメントを通じてボロノイセル全体に情報を均等に分配することにより、トレーニング中に品質の向上をもたらす。
– これは、アンダーラインのNeRF方式に対して独立的であり、実装が容易であるため、改良された学習とレンダリング速度のためにさまざまなNeRF変種に適用できるフレームワークである。

要約(オリジナル)

Neural Radiance Fields (NeRFs) learn to represent a 3D scene from just a set of registered images. Increasing sizes of a scene demands more complex functions, typically represented by neural networks, to capture all details. Training and inference then involves querying the neural network millions of times per image, which becomes impractically slow. Since such complex functions can be replaced by multiple simpler functions to improve speed, we show that a hierarchy of Voronoi diagrams is a suitable choice to partition the scene. By equipping each Voronoi cell with its own NeRF, our approach is able to quickly learn a scene representation. We propose an intuitive partitioning of the space that increases quality gains during training by distributing information evenly among the networks and avoids artifacts through a top-down adaptive refinement. Our framework is agnostic to the underlying NeRF method and easy to implement, which allows it to be applied to various NeRF variants for improved learning and rendering speeds.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI