RaFE: 生成辐射场修复
原文中文，约300字，阅读约需1分钟。发表于：。我们提出了一种名为 RaFE 的通用辐射场修复流程，适用于各种类型的退化，如低分辨率、模糊、噪声、压缩伪影等，通过利用 2D 修复方法恢复多视角图像，并使用生成对抗网络（GANs）进行 NeRF 生成来更好地适应几何和外观的不一致性，展示了在量化和定性评估中优于其他特定单一任务的 3D 修复方法的卓越性能。
本文介绍了一种名为GSNeRF的新方法，将图像语义纳入合成过程中，生成新视图图像和语义地图。GSNeRF由语义地理推理和深度引导的视觉渲染两个阶段组成，能够提取语义和几何特征，并利用图像几何信息进行渲染。实验证实了GSNeRF在新视图图像和语义分割合成方面的优势，并验证了采样策略的有效性。
