《Point-NeRF: Point-based Neural Radiance Fields》
《Point-NeRF：基于点的神经辐射场》
像NeRF这样神经体渲染方法可以生成高质量的视图合成结果，但对每个场景都进行了优化，导致重建时间过长。另一方面，深度多视角立体方法可以通过直接网络推理快速重建场景几何体。Point-NeRF结合了这两种方法的优点，使用神经3D点云和相关的神经特征来模拟辐射场。在基于光线推进的渲染管道中，通过聚集场景表面附近的神经点特征，可以高效地进行渲染。此外，可以通过预先训练的深度网络的直接推理来初始化点NeRF，从而生成神经点云；该点云可以微调以超过NeRF的视觉质量，训练时间加快30倍。Point-NeRF可以与其他三维重建方法相结合，并通过一种新的修剪和生长机制来处理这些方法中的错误和异常值。在DTU、NeRF合成、ScanNet和坦克及寺庙数据集上的实验表明，Point NeRF可以超越现有方法，达到最先进的效果。
论文主页：https://xharlie.github.io/projects/project_sites/pointnerf/
