論文の概要: NeRF: Neural Radiance Field in 3D Vision, A Comprehensive Review
- arxiv url: http://arxiv.org/abs/2210.00379v1
- Date: Sat, 1 Oct 2022 21:35:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-04 15:24:04.915719
- Title: NeRF: Neural Radiance Field in 3D Vision, A Comprehensive Review
- Title(参考訳): NeRF:3Dビジョンにおけるニューラル・ラジアンス・フィールドの総合的レビュー
- Authors: Kyle Gao, Yina Gao, Hongjie He, Denning Lu, Linlin Xu and Jonathan Li
- Abstract要約: 暗黙的なシーン表現を備えた新しいビュー合成であるNeRF(Neural Radiance Field)が,嵐によるコンピュータビジョンの分野に進出した。
新規なビュー合成と3D再構成手法として、NeRFモデルはロボット工学、都市マッピング、自律ナビゲーション、仮想現実/拡張現実などに適用できる。
- 参考スコア(独自算出の注目度): 21.63507136807091
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Neural Radiance Field (NeRF), a new novel view synthesis with implicit scene
representation has taken the field of Computer Vision by storm. As a novel view
synthesis and 3D reconstruction method, NeRF models find applications in
robotics, urban mapping, autonomous navigation, virtual reality/augmented
reality, and more. Since the original paper by Mildenhall et al., more than 250
preprints were published, with more than 100 eventually being accepted in tier
one Computer Vision Conferences. Given NeRF popularity and the current interest
in this research area, we believe it necessary to compile a comprehensive
survey of NeRF papers from the past two years, which we organized into both
architecture, and application based taxonomies. We also provide an introduction
to the theory of NeRF based novel view synthesis, and a benchmark comparison of
the performance and speed of key NeRF models. By creating this survey, we hope
to introduce new researchers to NeRF, provide a helpful reference for
influential works in this field, as well as motivate future research directions
with our discussion section.
- Abstract(参考訳): 暗黙的なシーン表現を備えた新しいビュー合成であるNeRF(Neural Radiance Field)が,嵐によるコンピュータビジョンの分野に進出した。
新規なビュー合成と3D再構成手法として、NeRFモデルはロボット工学、都市マッピング、自律ナビゲーション、仮想現実/拡張現実などに適用できる。
mildenhallらによる最初の論文以降、250以上のプレプリントが出版され、最終的に100以上のプレプリントがtier one computer vision conferenceで受け入れられた。
nerfの人気と現在の研究領域への関心を考えると、我々は過去2年間のnerf論文の包括的な調査を、アーキテクチャとアプリケーションに基づく分類の両方にまとめる必要があると考えています。
また,NeRFを用いた新規ビュー合成理論の紹介と,鍵となるNeRFモデルの性能と速度のベンチマーク比較を行った。
この調査を作成することで、新しい研究者をNeRFに紹介し、この分野における影響力のある研究の参考となるとともに、今後の研究方向性を議論節で動機付けることを期待する。
関連論文リスト
- NeRF-VPT: Learning Novel View Representations with Neural Radiance
Fields via View Prompt Tuning [63.39461847093663]
本研究では,これらの課題に対処するための新しいビュー合成手法であるNeRF-VPTを提案する。
提案するNeRF-VPTは、先行レンダリング結果から得られたRGB情報を、その後のレンダリングステージのインストラクティブな視覚的プロンプトとして機能するカスケーディングビュープロンプトチューニングパラダイムを用いている。
NeRF-VPTは、追加のガイダンスや複雑なテクニックに頼ることなく、トレーニングステージ毎に前のステージレンダリングからRGBデータをサンプリングするだけである。
論文 参考訳(メタデータ) (2024-03-02T22:08:10Z) - NeRFs: The Search for the Best 3D Representation [27.339452004523082]
我々は、ビュー合成と関連する問題に最適な3D表現を見つけるために、30年にわたる探究を簡潔にレビューする。
次に、NeRF表現の観点から新しい展開を記述し、3D表現の将来についていくつかの観察と考察を行う。
論文 参考訳(メタデータ) (2023-08-05T00:10:32Z) - BeyondPixels: A Comprehensive Review of the Evolution of Neural Radiance
Fields [1.3623451161813305]
NeRF(Neural Radiance Fieldsの略)は、AIアルゴリズムを使用して2D画像から3Dオブジェクトを生成する最近のイノベーションである。
この調査は、最近のNeRFの進歩を概観し、それらのアーキテクチャ設計に従って分類する。
論文 参考訳(メタデータ) (2023-06-05T16:10:21Z) - Towards a Robust Framework for NeRF Evaluation [11.348562090906576]
ニューラルレージアンスフィールド(NeRF)パイプラインからニューラルレンダリングネットワークを分離する新しいテストフレームワークを提案する。
次に, 明示的放射場表現に基づくNeRFの訓練と評価を行い, パラメトリック評価を行う。
我々のアプローチは、NeRF法の比較客観的評価フレームワークを作成する可能性を提供します。
論文 参考訳(メタデータ) (2023-05-29T13:30:26Z) - Deceptive-NeRF: Enhancing NeRF Reconstruction using Pseudo-Observations
from Diffusion Models [64.93632281251386]
数発のNeRF再構成のための新しい手法であるDeceptive-NeRFを紹介する。
我々は,RGB画像と深度マップを粗いNeRFからフォトリアリスティックな擬似観測へ順応的に遷移させる,知覚拡散モデルを開発した。
本稿では,現在のNeRFレンダリングを用いて,次のイテレーションのNeRFを高める擬似観測を生成することによって,認知-NeRFを学習するためのプログレッシブ戦略を提案する。
論文 参考訳(メタデータ) (2023-05-24T14:00:32Z) - Neural Radiance Fields: Past, Present, and Future [0.0]
MildenhallらがNeRFに関する論文で行った試みは、コンピュータグラフィックス、ロボティクス、コンピュータビジョンのブームにつながり、高解像度の低ストレージ拡張現実と仮想現実ベースの3Dモデルは、NeRFに関連する1000以上のプレプリントのリセットから注目を集めている。
このサーベイは、レンダリング、インプリシトラーニング、NeRFの歴史、NeRFの研究の進展、そして今日の世界のNeRFの潜在的な応用と意味を提供する。
論文 参考訳(メタデータ) (2023-04-20T02:17:08Z) - Nerfstudio: A Modular Framework for Neural Radiance Field Development [60.210943944285184]
NerfstudioはNeural Radiance Fields(NeRF)メソッドを実装するためのモジュール型のPyTorchフレームワークである。
NeRFはコンピュータビジョン、グラフィックス、ロボティクスなどの幅広い応用分野において急速に成長している研究分野である。
我々のフレームワークにはNeRFベースの手法を実装するためのプラグイン・アンド・プレイコンポーネントが含まれており、研究者や実践者が彼らのプロジェクトにNeRFを組み込むのが容易になる。
論文 参考訳(メタデータ) (2023-02-08T18:58:00Z) - StegaNeRF: Embedding Invisible Information within Neural Radiance Fields [61.653702733061785]
我々は、NeRFレンダリングにステガノグラフィー情報を埋め込む方法であるStegaNeRFを提案する。
我々は、NeRFで描画された画像から正確な隠れ情報抽出を可能にする最適化フレームワークを設計する。
StegaNeRFは、NeRFレンダリングにカスタマイズ可能で、認識不能で、回復不能な情報を注入する新しい問題に対する最初の調査である。
論文 参考訳(メタデータ) (2022-12-03T12:14:19Z) - NeRF-SR: High-Quality Neural Radiance Fields using Super-Sampling [82.99453001445478]
主に低分解能(LR)入力を用いた高分解能(HR)新規ビュー合成のソリューションであるNeRF-SRを提案する。
提案手法は,多層パーセプトロンを用いて各点密度と色を予測するニューラルレージアンス場(NeRF)上に構築されている。
論文 参考訳(メタデータ) (2021-12-03T07:33:47Z) - BARF: Bundle-Adjusting Neural Radiance Fields [104.97810696435766]
不完全なカメラポーズからNeRFを訓練するためのバンドル調整ニューラルラジアンスフィールド(BARF)を提案します。
BARFは、ニューラルネットワークシーンの表現を効果的に最適化し、大きなカメラのポーズミスを同時に解決する。
これにより、未知のカメラポーズからの映像シーケンスのビュー合成とローカライズが可能になり、視覚ローカライズシステムのための新しい道を開くことができる。
論文 参考訳(メタデータ) (2021-04-13T17:59:51Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。