伯克利谷歌等提出新思路,可在复杂场景下实现SOTA结果

8月25日消息,uc伯克利、谷歌等提出了一种在合成复杂场景新视图任务中实现sota结果的新方法,该方法通过使用稀疏的输入视图集来优化基础的连续体场景函数。该算法使用全连接深度网络表示场景,其输入为单个连续5d坐标(空间位置 (x, y, z) 和视角方向 (θ, φ)),输出为体积密度和在此空间位置上的视图相 emitted radiance。
该研究通过查询沿着摄像头光线的5d坐标来合成视图,并使用经典的体渲染技术将输出颜色和密度投影到图像中。由于体渲染本身是可微的,因此优化表征所需的唯一输入是一组具备已知摄像机位姿的图像。研究者介绍了如何高效优化神经辐射场(neural radiance field),渲染出逼真的具备复杂几何形状和外观的场景新视图,而且其在神经渲染和视图合成方面的效果优于之前的工作。本文获eccv 2020最佳论文荣誉提名奖。
责编ajx

华为发布全屋智能解决方案
全项目食品安全检测仪介绍
微软:请勿™关闭计算机
中国PCB市场的整体发展情况分析
2018国内人工智能机器人企业TOP25
伯克利谷歌等提出新思路,可在复杂场景下实现SOTA结果
在三大运营商中,4G网络覆盖方面做得最好的是中国移动
高通爱立信与瑞士电信完成了全球首个5G无线通话
SurfaceGo评测 值不值得买
基于AVR单片机的卫星地面测控系统设计
5G+AI为智慧城市插上“翅膀”
AD7534: 微处理器兼容型14位CMOS DAC
带屏智能音箱的市场发展将迎来重大变革
天拓四方工厂级物联平台帮助企业降低经营成本,提高核心竞争力
华为云 x 一粒云,让企业云盘不一样
电感式传感器产品特性探讨
如何实现对机器人接触力的数据滤波
超1700亿资金进入隔膜赛道
如何用import导入一个包
三星S9/S9+评测 努力维系着机皇该有的一切