【经典论文阅读】NeRF（神经辐射场，neural radiance fields）
NeRF
representing scenes as neural radiance fields for view synthesis
NeRF与三维重建专栏（二）NeRF原文解读与体渲染物理模型-CSDN博客
摘要
输入：空间位置（3维）+ 视角方向（2维）
输出：体积密度 + RGB颜色
引言
贡献：
1：5D神经辐射场，利用MLP网络参数化。
2：基于体积的可微分渲染。分层采样策略，分配MLP容量到可见场景的空间。
3：位置编码，将5D映射到高维空间，表征high-frequency场景。
相关工作
1：neural 3D shape representations
2：view synthesis and image-based rendering
NeRF场景表征
Neural Radiance Field Scene Representation
输入：3D坐标 + 2D视角方向（将方向表示为一个3D笛卡尔单位向量 d）、
输出：3D颜色 + 1D体积密度
LP网络：优化MLP的权重 Θ，得到更好的映射
映射流程：
==> 输入为坐标位置 x，通过8个全连接层（激活函数使用ReLU，每层256个通道）
==> 输出为体积密度 σ 和256维的特征向量 vector
==> 特征向量 vector 和视角方向 d 进行concat，通过1个全连接层（激活函数使用ReLU，每层128个通道）
==> 输出为RGB颜色 c
映射约束：
1：体积密度 σ，只通过坐标位置 x 映射
2：RGB颜色 c，通过坐标位置 x 和视角方向 d 映射
体积渲染
Volume Rendering with Radiance Fields
在射线上的期望颜色：
T(t)是累积透射率
数值积分，来估算连续积分。使用分层采样方法，将 [tn, tf] 划分为 N 个等间隔的区间，并在每个区间内随机均匀地采样一个点
分层采样能够表示连续的场景，因为在优化过程中，MLP能够在连续的位置上进行评估
离散化计算颜色：
==> 相邻采样点之间的距离
移除视角依赖 ==> 模型无法重现镜面反射
移除位置编码 ==> 降低模型表示高频几何和纹理的能力（过平滑）
优化NeRF
optimizing a neural radiance field
2个改进 ==> 高分辨率复杂场景的表示：
1：输入坐标的位置编码 ==> 帮助MLP表示高频函数
2：分层采样 ==> 采样高频表示
位置编码（positional encoding）
把映射函数修改为复合函数：
γ：映射到高维，R到R^{2L}
新的F_Θ：普通MLP
编码函数 γ(p) 的公式：
编码函数应用于归一化后的位置坐标 x （范围是[-1, 1]）和归一化后的笛卡尔视角方向 d （范围是[-1, 1]）
对于x：L=10
对于d：L=4
分层体积采样（hierarchical volume sampling）
根据对最终渲染的预期影响，分配样本
同时优化2个网络，coarse + fine
【1】coarse网络的计算
==> 采集Nc个坐标位置
==> 调用“把射线均分成N个子区间，每个子区间内随机采样1个位置”的方法
==> 通过离散积分进行颜色计算
【2】fine网络的计算
==> 获得coarse网络的输出
==> 重写离散积分的颜色计算，变成沿射线所有采样颜色 c_i 的加权和
==> 权重归一化，在射线上生成一个分段常数的概率密度函数
==> 使用逆变换采样，从该分布中采集Nf个坐标位置
==> 在Nc ∪ Nf个样本上，通过离散积分进行颜色计算
方法与重要性采样类似，但是将采样值用作整个积分域的非均匀离散化，而不是将每个样本视为对整个积分的独立概率估计
实现细节
为每个场景优化了一个独立的神经连续体积表示网络，需要的内容：
1：该场景下的一组RGB图像数据集
2：相机姿态和内参
3：场景边界
合成数据 ==> ground-truth相机姿态 + 内参 + 边界
真实数据 ==> 使用COLMAP structure-from-motion package包，预测真实数据的参数
每次优化迭代过程
==> 从数据集中所有像素的射线集合，随机采样一批相机射线
==> 分层采样，在coarse网络查询Nc个样本，在fine网络查询Nc + Nf个样本
==> 通过体积渲染的离散积分方法，渲染每个射线下的颜色，coarse渲染1个初始颜色，fine渲染1个最终颜色
损失：total squared error
总平方误差之和 ==> coarse颜色的误差 & fine颜色的误差
R 是每批中的射线集合
最小化coarse颜色的误差的原因：coarse网络的权重分布，用于在fine网络中分配样本
具体参数设置
射线批次大小（batch-size）：4096
Nc = 64
Nf = 128
优化器：Adam ==> 初始学习率为5e-4，指数衰减到5e-5；其他超参数默认值
迭代次数：10万到30万
结果
数据集
评价指标：
1：PSNR（越高越好）
2：SSIM（越高越好）
3：LPIPS（越低越好）
synthetic renderings of objects
【1】DeepVoxels数据集：四个具有简单几何形状的朗伯物体
512×512 分辨率
上半球中采样
479个输入，1000个测试
【2】自用数据集：八个具有复杂几何形状和真实非朗伯材质的路径追踪图像
800×800 分辨率
六个物体上半球采样，两个物体整个球体采样
100个输入，200个测试
real images of complex scenes
1008×756 分辨率
五个物体来自LLFF论文，三个自主拍摄，均包含八个场景，每个场景拍摄了20到62张图像
1/8为测试集
对比
1：NV，Neural Volumes
2：SRN，Scene Representation Networks
3：LLFF，Local Light Field Fusion
渲染的主要问题
artifacts：伪影
blurry：模糊
distort：失真
讨论
最大的实际权衡是时间与空间的权衡
消融实验
位置编码（PE）
视角相关性（VD）
分层采样（H）
当输入图像数量减少时，模型性能下降
最大频率（L）
原文地址：https://blog.csdn.net/m0_65787507/article/details/143999910
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！