- …
- …
#180
summarized by : Anonymous
どんな論文か？
深度情報を用いてNeRFにおける学習の高速化と品質の向上を実現するDS-NeRFを提案。Structure from motionから得られた3D点群による深度を正解値とし、NeRFにおける輝度値の損失関数に加えて、新たに深度を最適化する損失関数を設計。NeRFの学習を高速化し、少数の入力画像からの画像生成においてNeRFの品質を大幅に上回ることに成功。
新規性
DONeRFは深度情報によりサンプリングを効率化することでレンダリング速度を高速化したが、DS-NeRFは深度を直接監視することでNeRFベースの手法を改善。また最近の手法では事前学習により得られた分布から品質の改善を試みているが、この手法は事前学習を一切必要としない。
結果
NeRFよりも2~6倍早く学習し、少数の学習画像（論文中で行われた実験では2枚）においてNeRFの品質を上回る結果。NeRF Real-world データセットで検証。
その他（なぜ通ったか？等）
比較的軽い計算制約で高品質な結果を得ることができるため、一般的なスマートフォンを用いたNeRFベースのアプリケーションの可能性を広げた。pixelNeRFやIBRNetにもこのアプローチを適用可能とのこと。
- …
- …