论文标题：

Block-NeRF: Scalable Large Scene Neural View Synthesis

论文链接：

https://arxiv.org/pdf/2202.05263.pdf

 

本文提出了Block-NeRF，它是NeRF的一个变种，可以表征大规模的环境。NeRF 是 2020 年 ECCV 上获得最佳论文荣誉提名的工作，其影响力是十分巨大的，并将隐式表达推上了一个新的高度。

文中证明了在扩展NeRF以渲染跨越多个街区城市规模的场景时，最重要的一步就是将场景分解为单独训练。这种分解将渲染时间与场景大小解耦，扩大了渲染的环境规模，并允许每块环境单独更新。本文更改NeRF的结构，以使NeRF对不同环境条件下采集的数据具有鲁棒性。并且为每个单独的NeRF增加了外观嵌入、学习姿势精化和可控的曝光，并引入了一个相邻NeRF之间的外观对齐步骤，以便它们可以无缝结合起来。

 

本文从280万张图片中构建一个旧金山的整个街区来证明该方法的有效性。这是迄今为止最大的神经场景表征。并且通过修改底层的NeRF架构来解决瞬时变化等问题。这可以激发未来在大规模场景重建中使用的神经渲染方法。

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