合成照片般逼真的图像一直是计算机视觉领域最重要的目标之一，神经辐射场（NeRF）作为一种有效的场景表示，在这项工作中做出了巨大的贡献。然而如果没有足够多的视图来训练NeRF可能会造成性能的急剧下降，尽管许多工作尝试设计稀疏视图来解决这一问题，然而大多数仍然需要多个视图输入。

为了实现在复杂场景中仅使用一个视图来训练NeRF，德州大学奥斯汀分校在读博士徐德嘉提出了一种新颖的半监督单视图NeRF框架SinNeRF，从头开始训练NeRF，而不依赖于预训练的特征提取器或多平面图像。徐德嘉博士等人通过引入几何伪标签来重新确定参考视图与看不见的视图之间的关系，确保多视图的几何一致性，改善看不见的视图的局部纹理；引入语义伪标签来加强局部纹理和全局结构的感知质量。两者共同指导渐进式的训练过程，帮助SinNeRF在看不见的视图上呈现出合理的效果。

徐德嘉博士等人在复杂场景中进行了广泛的实验，结果表明，SinNeRF可以产生照片般逼真的新视图。在单一图像的设置下，SinNeRF在所有情况下都显著优于最先进的NeRF基线。

9月2日上午10点，「AI新青年讲座」第153讲邀请到德州大学奥斯汀分校在读博士徐德嘉参与，主讲《单视角复杂场景下的NeRF三维重建》。