Hypernetwork approach to rapid NeRF adaptation

doi:10.1016/j.knosys.2025.114861

Hypernetwork approach to rapid NeRF adaptation

2025-11-13

0

PRE

AI

Marcin Przewięźlikowski

DOI：10.1016/j.knosys.2025.114861

原文链接

原文求助

摘要

En 中文

神经辐射场（NeRFs）是合成新3D物体视图的一种广为接受的标准，其基于几张基准图像。然而，NeRFs的泛化能力有限，这意味着我们需要使用大量的计算资源为每个想要表示的物品训练单独的架构。为解决此问题，我们提出了一种基于超网络范式的少样本学习（few-shot learning）方法，该方法在推理过程中无需梯度优化。相反，超网络从训练数据中收集信息，并对通用权重生成更新。因此，我们开发了一种高效的方法，能够通过少量图像在单步中生成高质量的3D物体表示，适用于各种用例，例如机器人遥操作。我们通过直接与当前最先进（state-of-the-art）方案进行比较，验证了这一点。

Hypernetwork approach to rapid NeRF adaptation

摘要

期刊

机构

引用论文