- 课程回放
指导老师为清华大学自动化系黄高老师。研究方向涉及机器学习与计算机视觉,研究内容主要包括网络结构设计和3D计算机视觉,以第一作者(共同第一作者)在国际高水平会议 NeurIPS、 CVPR、ECCV 上发表5篇论文。其中,在CVPR2022发表的文章入选CVPR Best Paper Finalist。
- NeRF三维重建面临的挑战
- 数据量对NeRF三维场景重建的影响
- 利用主动学习补充数据的NeRF框架ActiveNeRF
- 数据效率最大化的场景重建效果
要说近两年最火的AI技术是什么,那就不得不提NeRF(神经辐射场)。自其在2020年ECCV上被选择为Best paper之后,就因神奇的合成效果而受到了学术界的广泛关注。仅仅过了两年,NeRF的引用量就达千次,更是出现了许多基于NeRF的新视点合成、三维重建的方法,并取得了非常好的应用效果。
那么,NeRF究竟是什么呢?
NeRF全称Neural Radiance Fields,核心在于使用一个MLP神经网隐式地学习复杂的静态场景,输入多个角度的图像即可训练得到一个NeRF模型,根据这个模型即可以渲染出任意视角下的清晰图像。
NeRF虽然可以产生非常好的渲染效果,但同样也存在许多的技术瓶颈。比如对输入图像的质量和数量都有一定的要求、只能重建静态的场景无法对场景进行编辑等问题。
为了帮助大家更加深入了解和学习NeRF三维重建,「AI新青年讲座」特别策划神经辐射场(NeRF)版块,并邀请到德州大学奥斯汀分校在读博士徐德嘉、莫纳什大学在读博士吴潜溢和清华大学黄高老师课题组直博生潘旭冉三位AI新青年讲者参与主讲。三位讲者将分别就单视角复杂场景下的NeRF三维重建、可编辑的NeRF三维重建、主动学习NeRF三维重建等主要知识点进行直播讲解。
第3讲将于9月16日晚6点进行,主讲人为清华大学黄高老师课题组直博生潘旭冉,主题为《基于主动学习的NeRF三维重建》。届时,潘旭冉博士将讲解NeRF三维重建所面临的挑战,并分析数据量对NeRF的影响,之后重点讲解利用主动学习补充数据的NeRF框架ActiveNeRF。
三讲的直播都会在智东西公开课知识店铺进行。每一讲的主讲环节40分钟,问答环节20分钟。目前,神经辐射场(NeRF)学习群也已开放,讲者都会加入,欢迎大家申请。