.png){kind=icon}
返回
RPCC: Rectified Pearson Correlation Coefficient for Radiance Fields Optimization
.png){kind=icon}
PRE
AI
DOI：10.1109/LSP.2025.3578913.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
神经辐射场（NeRF）及其变体在新型视图合成方面取得了显著成功。大多数现有的辐射场模型利用均方误差（MSE）作为光度损失，这容易导致模糊和几何不准确，尤其是在稀疏视图的情况下。与像素级损失不同，我们从线性相关的角度引入皮尔逊相关系数（PCC）来构建新的光度损失。由于PCC的相对性，我们对其进行修正以使其绝对化。具体来说，我们基于算术平均数与几何平均数不等式松弛PCC的分母以强制单位尺度，并添加额外的调制因子以进一步强制零位置。实验结果表明，所提出的损失显著优于MSE损失，例如在Replica数据集上TensoRF的峰值信噪比（PSNR）提高了186%，而在Tanks and Temples数据集的稀疏视图设置下DVGO的PSNR提高了3~5 dB。
Keyword:
Neural radiance fields
novel view synthesis
Pearson correlation coefficient
photometric loss
期刊
IF:
9.6
论文数:
1.1W
被引数:
1.7W
机构
引用论文
.png){kind=icon}
NeFF: Neural Feature Fields for Few-Shot View Synthesis Addressing the Shape-Radiance Ambiguity
PREAI
分享收藏
查看更多内容