本文介绍了一种新的动态神经辐射场(NeRF)表示和压缩的方法,称为JointRF。该方法通过联合优化动态NeRF的表示和压缩,提高了质量和压缩效率。JointRF采用紧凑的残差特征网格和系数特征网格来表示动态NeRF,并引入了顺序特征压缩子网络来减少时空冗余。实验结果表明,JointRF在各种数据上实现了卓越的压缩性能。
我们提出了一种名为KFD-NeRF的新方法,将卡尔曼滤波集成到动态神经辐射场中,实现高效高质量的运动重建。通过将动态辐射场视为动态系统,结合观测和预测估计形变。使用浅层MLP进行观测,并通过局部线性建模运动。引入正则化提升网络学习能力,采用高效的三平面表示。实验表明,该方法在合成和真实数据上表现优异,渲染性能优于或媲美现有方法。
完成下面两步后,将自动完成登录并继续当前操作。