HyperAIHyperAI

Command Palette

Search for a command to run...

K-Planes : Champs de radiance explicites dans l'espace, le temps et l'apparence

Sara Fridovich-Keil Giacomo Meanti Frederik Warburg Benjamin Recht Angjoo Kanazawa

Résumé

Nous introduisons les k-planes, un modèle à boîte blanche pour les champs de radiance dans des dimensions arbitraires. Notre modèle utilise (d2)\binom{d}{2}(2d) plans pour représenter une scène de dimension ddd, offrant ainsi une transition fluide entre les scènes statiques (d=3d=3d=3) et dynamiques (d=4d=4d=4). Cette factorisation plane permet d'ajouter aisément des priori spécifiques aux dimensions, tels que la régularité temporelle ou la structure spatiale multi-résolution, tout en induisant une décomposition naturelle des composantes statiques et dynamiques d'une scène. Nous utilisons un décodeur de caractéristiques linéaire avec une base de couleur apprise, qui atteint des performances comparables à celles d’un décodeur MLP noir-box non linéaire. Sur une variété de scènes synthétiques et réelles, statiques et dynamiques, à apparence fixe ou variable, les k-planes offrent une fidélité de reconstruction compétitive, souvent au niveau de l’état de l’art, avec une faible consommation mémoire : une compression de 1000 fois par rapport à une grille 4D complète, ainsi qu’une optimisation rapide grâce à une implémentation entièrement basée sur PyTorch. Pour consulter les résultats vidéo et le code source, veuillez vous rendre sur https://sarafridov.github.io/K-Planes.


Créer de l'IA avec l'IA

De l'idée au lancement — accélérez votre développement IA avec le co-codage IA gratuit, un environnement prêt à l'emploi et le meilleur prix pour les GPU.

Codage assisté par IA
GPU prêts à l’emploi
Tarifs les plus avantageux

HyperAI Newsletters

Abonnez-vous à nos dernières mises à jour
Nous vous enverrons les dernières mises à jour de la semaine dans votre boîte de réception à neuf heures chaque lundi matin
Propulsé par MailChimp
K-Planes : Champs de radiance explicites dans l'espace, le temps et l'apparence | Articles | HyperAI