Multi-style Neural Radiance Field with AdaIN

在这项工作中，我们提出了一种新颖的流程，将AdaIN和NeRF结合起来，用于风格化新视角合成的任务。与以前的工作相比，我们做出了以下贡献：1）我们简化了流程。2）我们扩展了模型的能力，以处理多样式任务。3）我们修改了模型架构，以在具有强烈笔触的风格上表现良好。4）我们在多样式模型上实现了风格插值，使我们可以控制任意两种风格之间的风格和风格化输出与原始场景之间的风格强度，从而更好地控制风格化强度。

本论文旨在提出一种新的管道，将AdaIN和NeRF结合起来，用于风格化的新视角合成任务。该论文试图解决如何在保持场景准确性的同时实现风格化的新视角合成问题。

本论文提出了一种简化的管道，扩展了模型的能力以处理多样式任务，并修改了模型架构以在具有强烈画笔笔触的风格上表现良好。此外，该论文还实现了多样式模型上的风格插值，允许控制任意两种风格之间的风格和风格强度，提供更好的风格化强度控制。

该论文的亮点包括：1）使用AdaIN和NeRF结合的新的管道；2）扩展了模型的能力以处理多样式任务；3）修改了模型架构以在具有强烈画笔笔触的风格上表现良好；4）实现了多样式模型上的风格插值，提供更好的风格化强度控制。

最近在这个领域中，还有一些相关的研究，如：1）“Neural Style Transfer for 3D Objects”（Guo等，2020）；2）“DeepVoxels: Learning Persistent 3D Feature Embeddings”（Soltani等，2017）；3）“NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis”（Mildenhall等，2020）等。