- …
- …
#6
summarized by : Naoya Chiba
どんな論文か？
複数のシーンに渡ってNeRFを適用できるようにすることで，シーンあたり少数視点の画像からNeRFを実現．シーンごとにMLPを用いてstaticなFieldを学習させていたNeRFとは異なり，画像からCNNを用いて特徴量マップを生成し空間中で複数視点の特徴量を統合，クエリ視点に対応した特徴量からNeRFの枠組みでレンダリングする．
新規性
少数画像からNeRFでレンダリングするためのFieldを再現するため，初めに2D CNNで画像から特徴量マップに変換した後3D空間に配置し，各視点の特徴量をAverage Poolingする．この3D空間での特徴量マップから輝度値を計算したい光線に対応する特徴量を取り出してNeRFのレンダリングに従い積分することで再構成画像を得る．
結果
ShapeNetによるカテゴリ依存・複数カテゴリ同時・学習カテゴリ外・複数物体配置シーンでの評価，実写の車の画像，DTUMVSによる多視点実画像データでの評価を行い，提案法が様々なシーンに対応できることを示した．枚数が少ないことによる影響も評価し，少数視点ではNeRFより優れた画像生成ができていることを確認した．
その他（なぜ通ったか？等）
- …
- …