ResFields：用于时空信号的残差神经场
原文中文，约300字，阅读约需1分钟。发表于：。提出了一种将时间残差层引入神经场的有效方法，用于表示复杂的时间信号，通过降低可训练参数数量和增强泛化能力的矩阵分解技术，实现了对 2D 视频逼近、通过时间 SDFs 进行动态形状建模和动态 NeRF 重建等各种具有挑战性任务中结果的稳定提升，并通过展示其在轻量级捕获系统的稀疏传感输入中捕获动态 3D 场景的实际效果证明了 ResFields 的实用性。
本文提出了一种有效的方法，将时间残差层引入神经场，用于表示复杂的时间信号。通过矩阵分解技术，降低可训练参数数量并增强泛化能力，实现了对2D视频逼近、动态形状建模和动态NeRF重建等任务中结果的稳定提升。通过展示在轻量级捕获系统的稀疏传感输入中捕获动态3D场景的实际效果，证明了ResFields的实用性。
