基于 GAN 和扩散的 GD^2-NeRF：一次性通用的神经辐射场生成细节补偿

本研究着重于一次全新视图合成（O-NVS）任务，目标是在每个场景只给定一张参考图像的情况下合成逼真的新视图。提出了一种使用 GAN 和扩散的生成性细节补偿框架 GD^2-NeRF，该框架在推理时不需要微调，并且具有生动逼真的细节。

SSDNeRF是一种新方法，使用Diffusion Model学习神经辐射场的可推广先验，实现3D重建和先验学习，具有鲁棒性结果。

3D重建 Diffusion Model SSDNeRF gan 先验学习 神经辐射场
原文中文，约200字，阅读约需1分钟。发表于：。
阅读原文
分享给好友