INPC: Implicit Neural Point Clouds for Radiance Field Rendering

我们引入了一种新的方法，用于重构和生成未限定的真实世界场景的新视图。与以前使用体积场、基于网格的模型或离散点云代理的方法不同，我们提出了一种混合场景表示，它在连续的八叉树概率场和多分辨率哈希网格中隐式地编码了一个点云。通过这样做，我们结合了两个世界的优点，保留了在优化过程中有利的行为：我们的新颖隐式点云表示和可微分双线性光栅化器能够快速渲染，同时保留了细节精细的几何细节，而不依赖于像结构从运动点云这样的初始先验。我们的方法在几个常见的基准数据集上实现了最先进的图像质量。此外，我们实现了交互帧速率的快速推理，并可以提取显式点云以进一步提高性能。

论文提出了一种新的方法来重建和合成未被限制的真实世界场景，解决了先前方法中存在的问题。

论文提出了一种混合场景表示方法，将点云隐式编码在连续的八叉树概率场和多分辨率哈希网格中，通过保留优秀的优化行为，结合了两个世界的优点，并实现了优秀的图像质量和快速推理。

论文通过实验设计展示了其方法的优越性，并在多个基准数据集上实现了最先进的图像质量。此外，论文还提供了开源代码和明确的点云提取方法，为进一步研究提供了便利。

最近的相关研究包括使用体积场、基于网格的模型或离散点云代理的方法。