(CVPR2023)DiffRF: Rendering-Guided 3D Radiance Field Diffusion 论文阅读
date
May 30, 2023
Last edited time
Jun 4, 2023 08:20 AM
status
Published
slug
DiffRF论文阅读
tags
DL
CV
DDPM
summary
感觉8行
type
Post
Field
Plat
Abstract
问题
由于从一组姿态图像生成的辐射场可能存在歧义和伪影，因此获得真实的辐射场样本是非常困难的。
方法
我们通过将去噪公式与渲染损失配对来解决这一挑战，使我们的模型能够学习有利于良好图像质量的偏差先验，而不是试图复制像浮动伪影这样的拟合错误。具体来说，我们建议通过在估计上增加额外的体积渲染损失，使来自去噪扩散概率模型 (DDPM) 的噪声预测公式偏向于合成更高的图像质量。这使我们的方法能够学习辐射场先验，在采样过程中不太容易出现拟合伪影或噪声累积。
DiffRF的训练目标包括两个互补的损失函数：一个是辐射场生成损失 ，另一个是针对从生成的辐射场中提高渲染质量的RGB损失 。
Radiance field generation loss
为 Radiance field.
Radiance field rendering loss
Exp
