NeRAF 是一种结合声音和辐射场的学习方法,能够实现逼真的视听生成。通过 SoundSpaces 数据集,NeRAF 在性能和数据效率上显著提升,增强了稀疏数据训练的视图合成。文中还介绍了神经声学场(NAFs)和 Real Acoustic Fields(RAF)数据集,后者提供高质量声场数据,支持音频和视觉神经声学场建模研究。
NeRFs是一种基于辐射场的技术,可以通过2D图像或视频创建逼真的3D模型,具有改变人们捕捉和体验世界方式的潜力。
本文提出了一系列改进的三维重建方法,包括基于高斯表示的辐射场技术和超分辨率3D高斯喷洒方法,显著提高了重建质量和渲染效率,适用于人体建模和室内环境等应用。
ARF-Plus 是一种 3D 神经风格转换框架,通过颜色保持、比例、空间和深度增强控制,实现对 3D 场景的可控风格化。该框架采用鲁棒的辐射场表示和延迟反向传播方法,提升了风格转移质量,支持多视角一致性和灵活的样式生成。
该文综述了3D风格迁移的多项研究,包括StyleRF在辐射场特征空间实现高质量风格化,以及将任意风格图像迁移至3D场景的方法(采用最近邻损失与延迟反向传播)。其他研究涵盖基于网格、可变形风格转移、ARF-Plus可控框架、一次性3D肖像风格迁移、深度热力图方法、逼真风格转移框架及DeformToon3D漫画化等,均提升了多视角一致性与视觉质量。
该文综述基于3D高斯泼溅(3DGS)的辐射场研究进展,涵盖:稀疏训练视角下融合深度先验与显式约束以减少背景折叠和浮点伪影、提升未见视角一致性;将高斯参数组织为二维网格实现紧凑存储;GS-SLAM首次将3DGS用于SLAM并结合自适应扩张与由粗到细位姿跟踪;1080p实时新视图合成;GS-IR实现逆向渲染与重光照;掩码与向量量化压缩、GaussianEditor三维编辑、2D基础模型蒸馏语义特征、实时去模糊,以及从高斯中快速提取可编辑网格等方法。
完成下面两步后,将自动完成登录并继续当前操作。