Core Concepts
대규모 장면에 대한 고품질 렌더링을 달성하기 위해 글로벌 단계와 초점 단계로 구성된 두 단계 아키텍처와 글로벌 가이드 학습 전략을 제안한다.
Abstract
이 논문은 대규모 장면에 대한 고품질 렌더링을 달성하기 위한 글로벌 가이드 초점 신경 방사 필드(GF-NeRF)를 제안한다.
글로벌 단계:
전체 장면에 대한 연속적이고 일관된 조악한 표현을 얻는다.
공간 정보와 오류 정보를 제공하여 초점 단계를 안내한다.
초점 단계:
장면을 여러 블록으로 분할하고 각 블록에 대해 별도의 하위 인코더를 학습한다.
글로벌 인코더의 정보를 활용하여 블록 간 일관성을 유지하면서 세부 사항을 캡처한다.
가중치 기반 픽셀 샘플링을 사용하여 중요한 영역에 초점을 맞춘다.
이 접근 방식은 기존 방법의 단점을 해결하고 다양한 유형의 대규모 장면에 적용할 수 있다. 실험 결과 제안된 GF-NeRF가 항공 및 거리 장면에서 우수한 렌더링 품질을 달성한다.
Stats
전체 장면을 15개의 블록으로 분할하여 학습하였다.
글로벌 단계에서 100,000 단계, 초점 단계에서 각 블록당 30,000 단계 동안 학습하였다.
배치 크기는 8,192, 해시 테이블 크기는 2^21로 설정하였다.