.png){kind=icon}
返回
Super-NeRF: View-Consistent Detail Generation for NeRF Super-Resolution
.png){kind=icon}
PRE
AI
DOI：10.1109/TVCG.2024.3490840.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）在3D场景建模和高保真新视角合成方面取得了显著成功。然而，现有的NeRF方法更注重充分利用高分辨率图像生成高分辨率新视角，而较少考虑仅基于低分辨率图像生成高分辨率细节。类比于图像超分辨率的广泛应用，NeRF超分辨率是生成低分辨率引导的高分辨率3D场景的有效途径，并具有巨大的潜在应用价值。迄今为止，这一重要主题仍处于探索不足的状态。在本文中，我们提出了一种名为Super-NeRF的NeRF超分辨率方法，用于仅从低分辨率输入生成高分辨率NeRF。给定多视角低分辨率图像，Super-NeRF构建了一个多视角一致性控制的超分辨率模块，以生成满足视角一致性的各种高分辨率细节。具体而言，为每个输入视角引入了一个可优化的潜在代码，用于控制生成满足视角一致性的合理高分辨率2D图像。每个低分辨率图像的潜在代码与目标Super-NeRF表示协同优化，以利用NeRF构建中固有的视角一致性约束。我们在合成、真实世界乃至AI生成的NeRF上验证了Super-NeRF的有效性。Super-NeRF在生成高分辨率细节和跨视角一致性方面实现了NeRF超分辨率的最新技术水平。
Keyword:
Neural radiance field
explorable super-resolution
3D view consistency
perceptual generation network
期刊
IF:
6.5
论文数:
346
被引数:
2.2W
机构
引用论文
SRDiff: Single image super-resolution with diffusion probabilistic modelsSRDiff: 具有扩散概率模型的单幅图像超分辨率.png)
NEUROCOMPUTING
OAAI
NEUROCOMPUTINGIF6.5
OAAI分享收藏Local Light Field Fusion: Practical View Synthesis with Prescriptive Sampling Guidelines局部光场融合: 具有规定采样指南的实用视图合成OAAI
OAAI分享收藏
查看更多内容