中语题目：基于多项式的神经辐射场及时渲染亚洲电影

论文题目：Polynomial for real-time rendering of neural radiance fields

委用期刊/会议：The Visual Computer(CCF C)

原文DOI：https://doi.org/10.1007/ s00371-024-03660-4

原文浮现：https://link.springer.com/article/10.1007/s00371-024-03660-4

委用/见刊时辰：2024.9.27

作家列表：

1) 朱丽萍 中国石油大学（北京）信息科学与工程学院 操办机系训练

2) 周海波 中国石油大学（北京）信息科学与工程学院 硕21

3) 吴祀霖 中国石油大学（北京）信息科学与工程学院 硕22

4) 程天荣 中国石油大学（北京）信息科学与工程学院 硕23

5) 孙赤军 中国石油大学（北京）信息科学与工程学院 操办机系训练

布景与动机:

基于神经辐射场的究诘所濒临的一个共同挑战等于图像的渲染速率慢，导致这一气候的原因在于极点的采样要乞降崇高的神经聚集查询老本，关于一条色泽的渲染需要查询神经聚集的每个5维坐标（位置坐标与视角坐标）的映射。PlenOctrees步调通过将NeRF模子升沉成体素结构并诓骗八叉树存储，完毕了离线渲染，在渲染速率上赢得了指数晋升。但此类步调以糟跶大齐的存储空间来换取渲染时辰的冲突，且在场景细节的渲染上限度欠安。

针对这些问题，本究诘冷漠PNeRF（Polynomial for Neural Radiance Fields）模子来考研三维场景示意。通过神经聚集推理赢得渲染限度只需要查询一次聚集，在渲染时辰上大幅度晋升，为了进一步优化渲染速率，又假想了六轴曲面步调来存储渲染视图，将不雅察着手与场地映射的渲染值通过六轴曲面模子存储，完毕离线渲染。

假想与完毕:

本究诘将三维静态场景示意为6D神经辐射场的一语气函数，其输入是不雅察着手坐标x0和不雅察场地向量d，其输出是场景空间的密度多项式整个、热沈多项式整个以及与不雅察位姿相关的像素热沈权重w。本文将此场景示意步调称为PNeRF模子，即基于多项式的神经辐射场场景示意。PNeRF的举座架构如下图1所示。

图1 基于多项式的神经辐射场

为了更好的反馈热沈变化情况，对每条色泽建造权重w(x0，d)，权重w与不雅察位姿相关，示意为色泽色调RGB三通谈分别对最终像素的孝顺度，取值边界为[0，1]，此外，每条色泽的强度比例为一常数，为便捷于操办，将其与权重夹杂在沿途，即w(x0，d)示意色泽色调孝顺度与强度的乘积，赢得新的体渲染方程为：

推理赢得单色泽渲染方程的最终体式为：

进一步操办积分赢得在PNeRF聚集会的最终体渲染推理方程式为：

在方程式中，F(s)与f(s)分别为三维空间中体积密度函数与原函数在色泽辐照场地d上的梯度向量。

在渲染视图时，本节冷漠了六轴曲面（Six-axis surfaces，Sas）的球面数学模子，如图2所示，不再使用坐标原点辐照的一条射线与球面交于少许的传统念念想，而是通过坐标轴，以X轴与Y轴辐照两个平面与球面交于少许的不雅念。为了使散布更为均匀，通过三维坐标轴的六个场地分离球面，对这六个球面分别示意。 

图2 六轴曲面模子可视化

以Z轴正方进取的球面为例，设从X轴辐照的平面与Z轴的夹角为u，从Y轴辐照的平面与Z轴的夹角为v，阐述X轴辐照的平面与Z轴的夹角不错赢得平面法向量，为X轴向量与平面在ZoY平面上的交点到原点向量之间的叉乘，解算两平面与球面的交点赢得Z轴正方进取的曲面方程为：

如图3所示，在六轴曲面方程的基础上用网格来分割曲面，网格顶点上存储对应不雅察位置的渲染视图，网格内的切点则通过顶点的插值来完毕。

图3 距离场插值算法

在四个顶点存储的视图中，对应调换坐标的像素热沈值ci会有一定差距。本究诘使用距离场来刻画插值点的视图热沈，通过顶点插值赢得对应坐标上的热沈值，每个顶点对插值点热沈的孝顺度与距离相关，且孝顺度总数为1。则顶点孝顺度示意为：

推行限度及分析:

本文依照在LLFF数据集上呈现。整个的消融推行均在模子遴荐的最好参数上进行的。

表1 不同模子组件的推行限度

图4 不同渲染加快算法合成新视图

阐述LLFF数据集来进行推行并评估本章节的算法。领先，在渲染质地上，如图6所示，展示了真确的360度场景Horns与Trex的渲染限度对比，渲染质地评估数值对比见表2。

表2 不同步调的相比

其次，对比渲染时辰性能，详细渲染质地对PNeRF集聚六轴曲面模子的性能进行评估。如图5所示。 

图5 渲染速率与质地详细对比                 图6 渲染速率与存储老本的详细对比 

临了，在存储老本上的对比，如图6所示。PNeRF模子的存储空间大小只是只需保存聚集权重的空间且渲染速率发扬较优。

论断:

本文主要究诘基于多项式的体渲染示意以及六轴曲面模子完毕离线渲染。基于多项式的体渲染示意方面，本文对面前翻脸化的体渲染示意进行了优化，阐述多项式拟合翻脸点的性质，将体渲染示意一语气化并调遣到三维空间中，通过实考解释冷漠的基于多项式的体渲染示意在晋升渲染速率上的有用性。关于六轴曲面模子，本文假想了网格散布均匀、存储老本更小的球面存储结构，来存储渲染的视图从而完毕离线及时渲染，推行限度标明，该步调不错大幅度晋升渲染速率，有用压缩存储空间。集聚以上两个神色，有用地提高了渲染速率，压缩了存储老本，完毕了离线及时渲染。

作家简介:

朱丽萍，博士。中国石油大学（北京）操办机系副汲引，硕士生导师。现在主要究诘场地是大数据和数据挖掘场地，尤其眷注深度学习在操办机视觉方进取的应用，已发表论文多篇高水平论文。

讨论神色：zhuliping@cup.edu.cn。

• 亚洲电影
• 基于
• 神经
• 辐射
• 多项式