企业免费招聘人才网站,邵阳营销型网站建设,搭建什么网站赚钱,建设网络平台 请示简介
论文地址 使用扩散模型来推断文本相关图像作为内容先验#xff0c;并使用单目深度估计方法来提供几何先验#xff0c;并引入了一种渐进的场景绘制和更新策略#xff0c;保证不同视图之间纹理和几何的一致性
实现流程 简单而言#xff1a;
文本-图片扩散模型生成一…简介
论文地址 使用扩散模型来推断文本相关图像作为内容先验并使用单目深度估计方法来提供几何先验并引入了一种渐进的场景绘制和更新策略保证不同视图之间纹理和几何的一致性
实现流程 简单而言
文本-图片扩散模型生成一张初始图片 I 0 I_0 I0将 I 0 I_0 I0扭曲得到同一z平面的多个图片也就是 Support set S 0 S_0 S0注意这里的 S 0 S_0 S0是由 I 0 I_0 I0扭曲得到所以存在很多空白但是我们可以根据 S 0 S_0 S0重建初始的NeRF模型。
利用初始NeRF模型渲染新视角图片这是残缺的但是可以通过扩散模型来补全注意为了保持场景的一致性视角从 I 0 I_0 I0旁边小幅度的偏移让扩散模型尽量多的从 I 0 I_0 I0中获取信息然后就可以更新NeRF模型了。
由于图像扭曲的影响必然导致图像尺度差距和距离差距体现在空间点深度在不同视角存在差异的情况。为此采用了深度对齐策略。
Support Set
采用了 DIBR(Depth-image-based rendering (dibr), compression, and transmission for a new approach on 3d-tv) 方法生成 S 0 S_0 S0
具体而言为 从扩散模型中获得初始图片 I 0 I_0 I0 再通过深度预测网络获得深度 D 0 D_0 D0对于 I − 0 I-0 I−0的每个像素q 和其深度 z利用下述公式进行转换得到 S 0 S_0 S0。 K K K 和 P i P_i Pi 是视图 i 中的固有矩阵和相机姿态。
为了在大视野范围内生成3D场景将相机位置设置在辐射场内部并使相机向外看但是该方法不能像其他设置相机查看内部的方法那样生成单独的3D对象。以当前摄像机位置 P 0 P_0 P0 为中心对其半径为 r 的环绕圆生成有相同的 z 坐标统一采样 n 点作为摄像机位置并使用与当前视图相同的摄像机方向来生成支持集中的翘曲视图一般 r0.2n8偏移方向一般为 上、下、左、右、上左、下左、上右和下右。
这时候就可以开始重建初始三维模型了。
Text-Driven Inpainting
除了初始视图 I 0 I_0 I0 之外的渲染结果不可避免地会有内容缺这时候就可以使利用基于预训练扩散模型的文本驱动的补图方法了。
首先渲染一个新视角 P 1 P_1 P1 图像 I k R I^R_k IkR通过对比 I 0 I_0 I0扭曲到 P 1 P_1 P1后的图像和 I k R I^R_k IkR我们得到了掩膜 M k M_k Mk。然后就丢给扩散模型这样就扩展了场景信息。 但是呢扩散模型的生成质量不一定很好因此采用多次绘制过程通过CLIP的图像编码器评估比较补全的图像与初始图像的差距选出最优的。论文采用30个候选。
Depth Alignment
补全的图片与初始的图片在重叠部分会存在深度冲突。体现为 尺度差距 图像中沙发和墙壁对应的空间点的距离应该是唯一的但是在不同视图可能存在差异 距离差距 不同视图拟合的空间点不一致
论文通过补偿平均比例尺和距离差异来全局对齐这两个深度图
对应渲染图像 和补全的图像表示为 { ( x j R , x j E ) } j 1 M \{(x^R_j,x^E_j)\}^M_{j1} {(xjR,xjE)}j1M计算平均尺度分数 s 和深度偏移 δ 来近似平均尺度和距离差异 缩放后的点 x ^ j E s ⋅ x j E \hat{x}^E_j s \cdot x^E_j x^jEs⋅xjE z(x) 表示预测深度
这里定义全局深度 D k g l o b a l s ⋅ D k E δ D^{global}_k s \cdot D^E_k \delta Dkglobals⋅DkEδ最小化渲染深度接近全局深度
Progressive Inpainting and Updating 为了保证场景绘制过程中视图的一致性避免几何和外观的模糊性采用逐视图更新亮度场的渐进式绘制和更新策略
在每次补全后更新亮度场。这意味着之前绘制的内容将在后续的效果图中反映出来这些部分将被视为已知区域不会在其他视图中再次绘制
受Zeroshot text-guided object generation with dream fields启发设计了一个深度感知透射损失 L T L_T LT以促使NeRF网络在相机光线到达预期深度之前产生空密度 m(t)是一个掩膜当 t z ^ \hat{z} z^ 时m(t) 1否则为0 z ^ \hat{z} z^是对齐深度图 D ^ \hat{D} D^ 中逐像素深度值,T (T)为累积透过率
效果
