CVPR'24 Spotlight！Gear-NeRF：引入“齿轮”分层建模动态区域的运动程度

文章预览

点击下方 卡片 ，关注“ 3D视觉之心 ”公众号 第一时间获取 3D视觉干货 >> 点击进入→ 3D视觉之心技术交流群 NeRF+语义分割，有搞头吗？ 最近许多研究已经将神经辐射场（NeRFs）扩展到 动态3D场景 。现有的方法做法有： 使用变形场将神经场从给定时间映射到一个规范空间 直接将动态场景建模为一个4D时空网格 虽然这些方法通过利用更易获取的输入数据相比于以前的解决方案提供了改进的渲染质量，但它们在低资源环境中仍然难以确保渲染质量。此外，大多数动态辐射场方法采用了一种简单的时空采样策略，没有辨别场景中不同区域的不同运动尺度。 SAM是一种强大的可提示图像分割模型，具有显著的零样本泛化能力，可以在给定图像上的单个前景点的情况下生成语义一致的掩码。现有的3D视觉理解方法主要集中在点云或体素的闭集分割上。NeRF通过 ………………………………