隐式光场表示的视角对应网络
摘要：用高质量和逼真度的连续定义视点的光场的隐式神经表示方法。我们的隐式神经表示将定义光场的二平面参数化的4D坐标映射到相应的颜色值。我们利用周期性激活来实现高表达能力和准确的重建复杂数据流形，同时保持低存储和推理时间要求。然而，简单训练的非三维结构网络不足以满足多视图一致性；相反，它们执行邻近视点的α混合。相比之下，我们的视点对应网络（View Correspondence Network，简称VICON）利用立体匹配、对输入空间进行自动微分优化和多视图像素对应来提供光场的新颖隐式表示，对未在训练中看到的新视图忠实于实现。实验结果表明，VICON在质量和数量上优于最先进的非三维隐式光场表示。此外，我们的隐式表示捕捉到一个更大的视场（FoV），超过了地面真实渲染相机观测到的场景范围。
作者：S"uleyman Aslan, Brandon Yushan Feng, Amitabh Varshney
论文ID：2305.06233
分类：Graphics
分类简称：cs.GR
提交时间：2023-05-11