IOVS4NeRF:Incremental Optimal View Selection for Large-Scale NeRFs

要約

最新のアプリケーション向けの都市レベルの 3 次元再構築には、計算コストを最小限に抑えながら、高いレンダリング忠実度が求められます。
Neural Radiance Fields (NeRF) の出現により 3D 再構成が強化されましたが、複数の視点でアーチファクトが表示されます。
本稿では、これらの問題に対処するための新しい NeRF フレームワーク手法を提案します。
私たちの方法では、画像コンテンツとポーズ データを使用して、次に最適なビューを反復的に計画します。
この方法の重要な側面には、候補セットから最大の情報利得を備えたビューの選択を導く不確実性の推定が含まれます。
この反復プロセスにより、時間の経過とともにレンダリングの品質が向上します。
同時に、ボノロイ図としきい値サンプリングをフライト分類器とともに導入して、元の NeRF ネットワークをそのまま維持しながら効率を高めます。
これはプラグイン ツールとして機能し、ベースラインや同様の以前の作品を上回るパフォーマンスのレンダリングを支援します。

要約(オリジナル)

Urban-level three-dimensional reconstruction for modern applications demands high rendering fidelity while minimizing computational costs. The advent of Neural Radiance Fields (NeRF) has enhanced 3D reconstruction, yet it exhibits artifacts under multiple viewpoints. In this paper, we propose a new NeRF framework method to address these issues. Our method uses image content and pose data to iteratively plan the next best view. A crucial aspect of this method involves uncertainty estimation, guiding the selection of views with maximum information gain from a candidate set. This iterative process enhances rendering quality over time. Simultaneously, we introduce the Vonoroi diagram and threshold sampling together with flight classifier to boost the efficiency, while keep the original NeRF network intact. It can serve as a plug-in tool to assist in better rendering, outperforming baselines and similar prior works.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google