Tetra-NeRF: Representing Neural Radiance Fields Using Tetrahedra

要約

Neural Radiance Fields (NeRF) は、新しいビューの合成と 3D 再構成の問題に対する、非常に最近、非常に人気のあるアプローチです。
NeRF で使用される一般的なシーン表現は、シーンの均一なボクセルベースのサブディビジョンと MLP を組み合わせることです。
シーンの（まばらな）点群が利用できる場合が多いという観察に基づいて、この論文では、一様な細分割または点ベースの表現の代わりに、ドロネー三角形分割によって得られる四面体に基づく適応表現を使用することを提案します。
このような表現により効率的なトレーニングが可能になり、最先端の結果が得られることを示します。
私たちのアプローチは、3D ジオメトリ処理、三角形ベースのレンダリング、最新のニューラル放射フィールドの概念をエレガントに組み合わせています。
ボクセルベースの表現と比較して、私たちの表現は、表面に近いと思われるシーンの部分の周囲により多くの詳細を提供します。
ポイントベースの表現と比較して、私たちのアプローチはより優れたパフォーマンスを実現します。

要約(オリジナル)

Neural Radiance Fields (NeRFs) are a very recent and very popular approach for the problems of novel view synthesis and 3D reconstruction. A popular scene representation used by NeRFs is to combine a uniform, voxel-based subdivision of the scene with an MLP. Based on the observation that a (sparse) point cloud of the scene is often available, this paper proposes to use an adaptive representation based on tetrahedra obtained by the Delaunay triangulation instead of the uniform subdivision or point-based representations. We show that such a representation enables efficient training and leads to state-of-the-art results. Our approach elegantly combines concepts from 3D geometry processing, triangle-based rendering, and modern neural radiance fields. Compared to voxel-based representations, ours provides more detail around parts of the scene likely to be close to the surface. Compared to point-based representations, our approach achieves better performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google