Zip-NeRF: Anti-Aliased Grid-Based Neural Radiance Fields

要約

【タイトル】Zip-NeRF: Anti-Aliased Grid-Based Neural Radiance Fields
【要約】
– Neural Radiance Field（NeRF）の学習された空間座標から色と体積密度へのマッピングでの、グリッドベース表現の使用によってNeRFのトレーニングが加速されることがある
– しかし、これらのグリッドベースアプローチは比例尺度の明示的な理解が欠けているため、しばしばジャギーまたはシーンコンテンツの不足などのエイリアシングを導入する
– mip-NeRF 360は、通常の光線の代わりに円錐の沿ってサブボリュームを推論することでアンチエイリアシングを対処したことがあるが、このアプローチは現在のグリッドベース技術とネイティブに互換性があるわけではない
– レンダリングと信号処理のアイデアを組み合わせることで、mip-NeRF 360とInstant NGPのようなグリッドベースモデルを組み合わせる技術を構築する方法を示し、これによって誤差率は先行技術のどちらよりも8% – 76%低くなり、mip-NeRF 360より22倍速く学習することができる。

要約(オリジナル)

Neural Radiance Field training can be accelerated through the use of grid-based representations in NeRF’s learned mapping from spatial coordinates to colors and volumetric density. However, these grid-based approaches lack an explicit understanding of scale and therefore often introduce aliasing, usually in the form of jaggies or missing scene content. Anti-aliasing has previously been addressed by mip-NeRF 360, which reasons about sub-volumes along a cone rather than points along a ray, but this approach is not natively compatible with current grid-based techniques. We show how ideas from rendering and signal processing can be used to construct a technique that combines mip-NeRF 360 and grid-based models such as Instant NGP to yield error rates that are 8% – 76% lower than either prior technique, and that trains 22x faster than mip-NeRF 360.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI