Removing Adverse Volumetric Effects From Trained Neural Radiance Fields

要約

さまざまな困難な環境での神経放射フィールド (NeRF) の使用が検討されてきましたが、霧の多い環境での NeRF の使用に焦点を当てた貢献がなされたのはごく最近のことです。
従来の NeRF モデルは霧で満たされたシーンを再現できると主張し、新しいビューを合成するときに霧を除去する方法を提案します。
シーンの全体的なコントラストを計算することで、適用されると目に見えるすべての霧を除去する濃度しきい値を推定できます。
これにより、霧に満ちた環境にある対象オブジェクトの鮮明なビューをレンダリングする方法として NeRF を使用できるようになります。
さらに、そのようなシーンでのパフォーマンスのベンチマークを行うために、霧や自然環境を追加することで元の合成 NeRF シーンの一部を拡張する新しいデータセットを導入します。
コード、データセット、ビデオ結果はプロジェクト ページでご覧いただけます: https://vegardskui.com/fognerf/

要約(オリジナル)

While the use of neural radiance fields (NeRFs) in different challenging settings has been explored, only very recently have there been any contributions that focus on the use of NeRF in foggy environments. We argue that the traditional NeRF models are able to replicate scenes filled with fog and propose a method to remove the fog when synthesizing novel views. By calculating the global contrast of a scene, we can estimate a density threshold that, when applied, removes all visible fog. This makes it possible to use NeRF as a way of rendering clear views of objects of interest located in fog-filled environments. Additionally, to benchmark performance on such scenes, we introduce a new dataset that expands some of the original synthetic NeRF scenes through the addition of fog and natural environments. The code, dataset, and video results can be found on our project page: https://vegardskui.com/fognerf/

arxiv情報

提供元, 利用サービス

arxiv.jp, Google