Editing Implicit and Explicit Representations of Radiance Fields: A Survey

要約

Neural Radiance Fields (NeRF) は、コンパクトで高品質の画像レンダリングを提供する新しいボリューム表現を提供することにより、近年の新しいビュー合成に革命をもたらしました。
ただし、これらの放射フィールドを編集する方法の開発は、NeRF の他の側面に対する多くの改良よりも遅かったです。
NeRF に触発された代替の放射フィールドベースの表現の最近の開発と、テキストから画像へのモデルの世界的な人気の高まりにより、放射フィールド編集を提供する多くの新しい機会と戦略が登場しました。
このペーパーでは、NeRF およびその他の同様の放射フィールド表現に関する文献に存在するさまざまな編集方法の包括的な調査を提供します。
私たちは、編集方法論に基づいて既存の作品を分類するための新しい分類法を提案し、先駆的なモデルをレビューし、ラディアンス フィールド編集の現在および潜在的な新しいアプリケーションを考察し、編集オプションとパフォーマンスの観点から最先端のアプローチを比較します。

要約(オリジナル)

Neural Radiance Fields (NeRF) revolutionized novel view synthesis in recent years by offering a new volumetric representation, which is compact and provides high-quality image rendering. However, the methods to edit those radiance fields developed slower than the many improvements to other aspects of NeRF. With the recent development of alternative radiance field-based representations inspired by NeRF as well as the worldwide rise in popularity of text-to-image models, many new opportunities and strategies have emerged to provide radiance field editing. In this paper, we deliver a comprehensive survey of the different editing methods present in the literature for NeRF and other similar radiance field representations. We propose a new taxonomy for classifying existing works based on their editing methodologies, review pioneering models, reflect on current and potential new applications of radiance field editing, and compare state-of-the-art approaches in terms of editing options and performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google