哈工大&清华SANeRF：少样本方法仅增加一行代码，快700倍？

文章预览

点击下方 卡片 ，关注“ 自动驾驶之心 ”公众号 戳我->  领取 自动驾驶近15个 方向 学习 路线 >> 点击进入→ 自动驾驶之心 『 NeRF 』 技术交流群 论文作者  | Yuru Xiao 编辑 | 3D视觉之心 少样本NeRF是突破口吗？ 传统的NeRF方法需要大量来自不同视角的图像才能实现高质量的重建，这限制了其在数据获取成本高或困难的情况下的适用性。 少样本NeRF 旨在通过开发能够使用最少数量输入图像就能生成高保真度三维场景重建的方法来解决这一限制。在输入图像数量显著少于传统NeRF方法的情况下依然能够有效工作。 现有方法主要集中于缓解过拟合和改进几何重建，往往忽视了重建效率 。其中，FreeNeRF[2]采用了一种由粗到细的训练方法来解决少样本神经渲染问题，被视为一种隐式几何正则化的变体。尽管FreeNeRF在少样本场景中显著提高了渲染性能，并且代码 ………………………………