本文分享一篇最新的成果NeROIC，号称可以从在线图像集合获取对象表示的新方法，从具有不同相机、照明和背景的照片中捕获任意对象的高质量几何和材料属性！

论文标题：

NeROIC: Neural Object Capture and Rendering from Online Image Collections

论文和主页链接（代码链接未公布）：

https://arxiv.org/abs/2201.02533

https://formyfamily.github.io/NeROIC/

本文提出了一种从在线图像集合中获取对象表示的新方法，从具有不同相机、照明和背景的照片中捕获任意对象的高质量几何和材料属性。这使得各种以对象为中心的渲染应用程序成为可能，例如从具有挑战性的野外输入中获得新颖视图合成、重新照明和协调背景合成。使用扩展神经辐射场的多阶段方法，我们首先推断表面几何形状并细化粗略估计的初始相机参数，同时利用粗略的前景对象掩码来提高训练效率和几何质量。我们还引入了一种稳健的法线估计技术，该技术消除了几何噪声的影响，同时保留了关键细节。最后，我们提取表面材料属性和环境照明，以球谐函数表示，并带有处理瞬态元素的扩展，例如锐利的阴影。这些组件的结合产生了一个高度模块化和高效的对象获取框架。广泛的评估和比较证明了我们的方法在捕获对渲染应用程序有用的高质量几何和外观属性方面的优势。

内容中包含的图片若涉及版权问题，请及时与我们联系删除