冗余感知的室内场景神经渲染相机选择
原文中文,约400字,阅读约需1分钟。发表于: 。本研究解决了室内场景神经渲染中由于冗余信息导致的场景建模效率低下问题。我们通过构建考虑空间多样性和图像语义变化的相似性矩阵,提出了一种优化的相机选择方法,显著提高了选择效率。实验结果表明,该方法在时间和内存约束下表现优异,使用仅15%的帧和75%的时间,与全数据集训练的模型相当。
本论文介绍了一种名为ISO的新方法,用于预测室内场景的占据情况。ISO利用预训练的深度模型实现准确的深度预测,并引入了双特征视线投影模块,增强了三维体素特征的学习。同时,作者还介绍了Occ-ScanNet,一个用于室内场景的大规模占据基准。实验结果表明,该方法达到了最先进的性能。