基于轻量级Transformer和质数基混合编码的神经辐射场

摘要

神经辐射场(NeRF)作为当前三维场景重建领域最热门的技术，存在着伪影和高频信号拟合能力不足的问题。为了解决伪影问题，提出了一种轻量级Transformer模型，通过Attention结构对输入的特征进行筛选。为了解决高频信号拟合能力不足的问题，提出了一种质数基混合编码方法，通过向原始位置编码引入高斯编码，并以多个质数为基底重构高频编码部分。将两种方法进行融合，并在NeRF-synthetic和NeRF-LLFF数据集上进行实验，实验结果表明，本文提出的方法在峰值信噪比(PSNR)和结构相似性指数(SSIM)两项指标上得到了提升，验证了本文方法的有效性。

关键词

神经辐射场 / 三维场景重建 / 混合编码

基金资助

福建省自然科学基金(2023J01135)