HDR-NeRF : Champs de radiance neuronaux à large dynamique

Nous présentons les Champs de Radiance Neuronaux à Large Dynamique (HDR-NeRF) afin de reconstruire un champ de radiance HDR à partir d’un ensemble de vues à faible dynamique (LDR) prises avec différentes expositions. Grâce à HDR-NeRF, il devient possible de générer à la fois de nouvelles vues HDR et de nouvelles vues LDR sous différentes expositions. Le principe fondamental de notre méthode réside dans la modélisation du processus d’acquisition physique : la radiance d’un point scénique est transformée en valeur de pixel dans une image LDR par l’intermédiaire de deux fonctions implicites — un champ de radiance et un tonemapper. Le champ de radiance encode la radiance de la scène (dont les valeurs varient de 0 à +∞) et produit, à partir d’un point d’origine et d’une direction de rayon donnés, la densité et la radiance associées à ce rayon. Le tonemapper modélise le processus par lequel un rayon frappant le capteur de la caméra se traduit par une valeur de pixel. La couleur du rayon est prédite en alimentant le tonemapper avec la radiance correspondante et le temps d’exposition associé. Nous utilisons la technique classique de rendu volumique pour projeter la radiance, les couleurs et les densités produites en images HDR et LDR, tout en n’utilisant comme supervision que les images LDR d’entrée. Nous avons constitué un nouveau jeu de données HDR à vue frontale afin d’évaluer la méthode proposée. Les résultats expérimentaux sur des scènes synthétiques et réelles démontrent que notre approche permet non seulement de contrôler avec précision les expositions des vues synthétisées, mais aussi de rendre des vues à très large dynamique.