
论文地址:https://arxiv.org/pdf/2211.12254.pdf 论文主页:https://spinnerf3d.github.io/

一个完整的 3D 场景操作过程,从用户交互的对象选择开始,到 3D 修复的 NeRF 场景结束; 将二维的分割模型扩展到多视图情况,能够从稀疏注释中恢复出具有三维一致的掩码; 确保视图一致性和感知合理性,一种新的基于优化的三维修复公式,利用二维图像修复; 一个新的用于三维编辑任务评估的数据集,包括相应的操作后的 Groud Truth。
















Auto Byte
专注未来出行及智能汽车科技
微信扫一扫获取更多资讯
Science AI
关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展
微信扫一扫获取更多资讯
神经辐射场(Neural Radiance Fields,简称 NeRF)已经成为一种流行的新视角合成方法。尽管 NeRF 迅速适应了更广泛的应用领域,但直观地编辑 NeRF 场景仍然是一个待解决的挑战。其中一个重要的编辑任务是从 3D 场景中移除不需要的对象,以使替换区域在视觉上是合理的,并与其上下文保持一致。本文提出了一种新颖的 3D 修复方法来解决这些挑战。