K-Planes：空间、时间和外观中的显式辐射场

我们开发了一种可扩展（适用于任意维度场景）和显式的辐射场模型，可用于静态、动态和可变外观的数据集。

代码发布：

K-Planes：空间、时间和外观中的显式辐射场

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

:rocket: 项目主页

:newspaper: 论文

:file_folder: 原始输出视频和预训练模型

<img src="https://yellow-cdn.veclightyear.com/835a84d5/3e13f7de-1c18-43c3-8d4d-e51fed6f77e0.png" alt="nerfacc" width="50"/>与NerfAcc库集成，实现更快的训练

<img src="https://yellow-cdn.veclightyear.com/835a84d5/76d9fd4f-67dc-4d09-bb30-41ac9ae00696.png" alt="nerfacc" width="50"/>与NerfStudio集成，实现更简便的可视化和开发

环境设置

我们建议使用conda环境和支持GPU的PyTorch进行设置（不需要高内存GPU）。训练和评估数据可以从相应的网站（NeRF、LLFF、DyNeRF、D-NeRF、Phototourism）下载。

训练

我们的配置文件位于configs目录中，按数据集和显式/混合模型版本组织。这些配置文件可能需要更新下载数据的位置以及您想要的场景名称和实验名称。要训练模型，请运行：

PYTHONPATH='.' python plenoxels/main.py --config-path path/to/config.py

注意，对于DyNeRF场景，建议先以4倍下采样运行一次迭代来预计算并存储光线重要性权重，然后再以2倍下采样正常运行。其他数据集不需要这样做。

可视化/评估

main.py脚本还支持渲染新的相机轨迹、评估质量指标，以及从已保存的模型中渲染时空分解视频。这些选项可通过标志--render-only、--validate-only和--spacetime-only访问，已保存的模型可通过--log-dir指定。

许可和引用

@inproceedings{kplanes_2023,
      title={K-Planes: Explicit Radiance Fields in Space, Time, and Appearance},
      author={{Sara Fridovich-Keil and Giacomo Meanti} and Frederik Rahbæk Warburg and Benjamin Recht and Angjoo Kanazawa},
      year={2023},
      booktitle={CVPR}
}

注意：BibTex不完全支持联合第一作者；您可能需要根据您的格式对上述内容进行修改。

本作品在BSD 3条款许可下提供。点击此处查看许可证副本。