计算机视觉与图形学-神经渲染专题-神经体渲染:实时渲染KiloNeRF

(说明:如果您认为下面的文章对您有帮助,请您花费一秒时间点击一下最底部的广告以此来激励本人创作,谢谢!!!)

1、摘要

NeRF通过将神经辐射场拟合到RGB图像,以前所未有的质量合成场景的新视图。然而,NeRF需要查询深层多层感知器(MLP)数百万次,导致渲染时间缓慢,即使在最新的GPU上也是如此。在本文中,作者证明利用数千个微小的MLP而不是一个大的MLP进行实时渲染是可能的。在作者的设置中,每个单独的MLP只需要表示场景的一部分,因此可以使用更小和更快的MLP来评估。通过将这种分而治之的策略与进一步优化相结合,与原始NeRF模型相比,渲染速度提高了三个数量级,而不会产生高存储成本。此外,通过使用teacher-student蒸馏进行训练。作者证明,这种加速可以在不牺牲视觉质量的情况下实现。

官方链接:https://github.com/creiser/kilonerf

2、系统框架

KiloNeRF作者不是用单个高容量MLP表示整个场景,而是用数千个小MLP表示场景。这使作者能够以2548x以上的速度渲染场景,且不会降低视觉质量。

计算机视觉与图形学-神经渲染专题-神经体渲染:实时渲染KiloNeRF_第1张图片

模型架构,KiloNeRFMLP架构是NeRF架构的缩小版。KiloNeRF的网络只需要原始体系结构的浮点运算的1/87

计算机视觉与图形学-神经渲染专题-神经体渲染:实时渲染KiloNeRF_第2张图片

3、结论

在本文中,作者证明通过将场景空间分解为规则网格并为每个网格单元分配一个小容量网络,可以实现NERF的实时渲染。连同从NeRF继承的其他优势——出色的渲染质量和低存储影响。此外,所提出的加速策略还可以更广泛地应用于依赖于神经函数表示的其他方法,包括隐式曲面模型

更多内容请关注公众号:元宇宙MetaAI

欢迎朋友们投稿,投稿可添加微信:NewYear-2016

你可能感兴趣的:(网络,深度学习,人工智能,机器学习,java)