NeRF基础知识点和研究方向

最新推荐文章于 2024-09-02 18:40:08 发布

自动驾驶之心

最新推荐文章于 2024-09-02 18:40:08 发布

阅读量1.7k

点赞数 2

CC 4.0 BY-SA版权

原文链接：https://mp.weixin.qq.com/s?__biz=Mzg2NzUxNTU1OA==&mid=2247538138&idx=4&sn=9c7955bcd371a24acb1686c7200b2252&chksm=ceb87813f9cff105f4f474e4dba24847118738589231cf5f7f1dee745b3932366633f7a8c913&scene=126&sessionid=0

作者 | 乱想编辑 | 汽车人

原文链接：https://zhuanlan.zhihu.com/p/622380174?

点击下方卡片，关注“自动驾驶之心”公众号

ADAS巨卷干货，即可获取

点击进入→自动驾驶之心【NeRF】技术交流群

NeRF（Neural Radiance Field）即神经辐射场

要解决的主要问题：从图像中得到三维模型

什么是三维模型？

抽象来说，三维模型主要分为形状（shape）和外观（appearance），外观又可以粗略分为材质（material）和光照（lighting），在我们得到这些基础信息后，我们只需要经过一定的渲染算法，就能够得到图像。这个从模型到图像的正向过程我们就称之为渲染（rendering），而从图像得到模型这个逆向过程，我们称为反渲染（Inverse rendering）。

那么显而易见，我们从模型得到渲染的这一过程，我们是通过一个渲染方程来完成的，相当于我们将一系列的参数输入这个渲染方程，最终渲染出的图片就是我们得到的解。

但我们是否可以根据这个方程的解来反向推导出初始参数呢？这就是NeRF要解决的问题，即从图像中得到模型的信息。我们先逐一介绍NeRF的表征方法。

形状的表示法：

主流的表示法有以下四种，即网格（Mesh），点云（Point Cloud），占据场（Occupancy field），有向距离场（Signed distance field）。

当然，还有一些表示法，例如体素（voxel），多视图等等，不过多罗列在此，有兴趣可以自行查阅相关资料。

NeRF使用的形状表征方式叫soft shape，即从一片什么都没有的三维空间中，通过图像的需要逐步的创建三维物体。NeRF是在一条Ray上分出许多点，如下图所示：

这也是NeRF能从一众神经网络方法中脱颖而出的关键之一——以往的神经网络重建三维模型往往采用的是hard geometry而非soft geometry

用soft的方法有两大好处：

不需要使用对象分割掩码（object segmentation masks）
没有边界不连续的（boundary discontinuity）问题，这意味着更易于做可微渲染

当然也有一些缺点，例如渲染成本高，编辑困难等等

对这种方法感兴趣的小伙伴可以自行阅读下列论文：

Yu A , Fridovich-Keil S , Tancik M , et al. Plenoxels: Radiance Fields without Neural Networks[J]. 2021.

Sun C , Sun M , Chen H T . Direct Voxel Grid Optimization: Super-fast Convergence for Radiance Fields Reconstruction[C]// 2021.

外观的表示法：

如下图所示，最常见的肯定还是材质纹理贴图+环境光照这种表示法，这种方法易于编辑修改，在渲染工作中用途十分广泛。但缺点是表示方法十分繁琐，不仅要对贴图进行映射，还分不同的表面对不同的光线进行求交。

然后就是辐射场（Radiance Field）或叫表面光场（Surface light filed），这种方法给出每个表面点（x，y，z）处不同的观察角度（θ，φ）的颜色（r，g，b）。用这种方式可以很方便的描述物体表面的颜色，反射，和阴影等效果。但缺点是不易于修改和编辑。

有兴趣的小伙伴可以参考下述论文：

Wood D N ,Azuma D I ,Aldinger K , et al. Surface light fields for 3D photography[C]// SIGGRAPH conference. 2000.

综合两种方式各自的优缺点，NeRF最终选择使用的是第二种表示方式。

渲染的表示法：

因为NeRF的输入图片往往是真实的照片等等，因此我们主要需要了解到的渲染方法就是光线追踪（Ray tracing）了，光线追踪方法的具体细节我不在这里展开阐述，有兴趣的小伙伴可以移步到我的另一篇文章查看

https://zhuanlan.zhihu.com/p/618627358

以上三个部分，就是我们使用nerf进行反渲染需要用到的表征方法

接下来会介绍一下NeRF中有关神经网络的部分：

我们可以把每张图片都看作是一个函数，比如映射成颜色的函数，映射成是否occupy的函数，映射成光照密度（density）的函数等等。这些函数都可以用一个神经网络去表示。

但问题是神经网络表示的是有偏的（bias），通过神经网络可能无法得到高质量的结果，如下图所示，它更偏向于得到光滑（smooth）的结果，但我们期待的是得到锐利（sharp）的结果。因此NeRF提出了可以将图片映射成一种傅里叶特征（Fourier features）的函数，即用cos，sin的表示。下图可以看出来，结果相较之前有十分明显的提升。

我们把这种神经网络表示信号的方式称为神经场（Neural Fields）,这种表示方式有三大好处：

每个三维模型大约只需要10MB就可以表示，利于传输
场景不需要离散化（discretized）
更加灵活且易于优化：例如在正则化方面更方便，泛化能力更强

接下来介绍五类NeRF的拍摄场景，如下图所示：

物体在中央，相机在四周拍摄，往往用于重建主体
相机方向固定，在小范围移动
类似全景图拍摄，相机在中间，朝各个方向拍摄，通常用于重建背景
在固定空间内随机方向和分布拍摄
是1和3的结合，既重建物体主体，又重建背景

NeRF主要需要解决的问题就是，在空间内重建近景时远景会模糊，反之重建远景的时候近景会模糊，我们期待得到在远处和近处都能重建出清晰的结果。

为了解决这一问题，NeRF++方法提出了一种解决方案，即将NeRF进行分解和组合，在近景（Foreground）和远景（Background）处都分别使用一个NeRF来进行表征，最后再组合（combined）到一起，如下图所示：

这里就用到了上文提到的第五种拍摄场景了，最终得到的效果也是十分不错的，如下图所示：

对具体细节感兴趣的小伙伴可以阅读下列论文：

Zhang K , Riegler G , Snavely N , et al. NeRF++: Analyzing and Improving Neural Radiance Fields[J]. 2020.

接下来介绍NeRF的抗锯齿（anti-aliasing）问题：

抗锯齿问题是图形学中涉及到的经典的问题，即因为采样率问题导致图片走样的问题，因此NeRF也需要进行反走样的处理。

但是我们又不希望如传统NeRF那样通过在低分辨率下对结果进行降采样的方法抗锯齿，影响到高分辨率下的图像质量导致PSNR降低。因此MipNeRF采用了Positional Encoding的方式来将图像映射为sin，cos表征的傅里叶特征。如下图所示：

同时因为在低分辨率下的频谱很高，但采样频率不够高，不满足奈奎斯特采样定理，因此在MipNeRF中引入了一个低通滤波器（lowpass-filter），即对傅里叶函数进行低通的滤波，这个滤波器的大小取决于pixel的大小。

想要学习详细细节的可以查阅以下论文：

Jonathan T. Barron, Ben Mildenhall, Matthew Tancik, Peter Hedman, Ricardo Martin-Brualla, and Pratul P. Srinivasan. Mip-NeRF: A Multiscale Representation for Anti-Aliasing Neural Radiance Fields. In Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), October 2021.

接下来介绍NeRF的可编辑(editable)问题：

使用NeRF技术可以将现实物体进行数字化，但在数字化的世界中，例如在VR/AR领域中，我们往往需要对三维物体进行进一步的编辑，例如编辑光照，编辑材质，甚至进行风格化或艺术化创作，这一问题一直是NeRF需要解决的。但是前文提到，NeRF采用的三维形状表征方式是不适用于编辑的，因此我们期待可以将其转化为易于编辑修改的Mesh进行表征。目前，一种名为IRON的神经反渲染管道被提出，它可以在光度图像上运行，并以三角形网格和材质纹理的格式输出高质量的3D内容，这些内容可以部署到现有的图形管道中。如下图所示：

RION优化过程中采用了神经表示来表示几何形状和材料，让三维物体更加灵活和紧凑，并同时IRON优化了SDF（有向距离场）：首先，使用体积辐射场方法进行优化，以恢复正确的拓扑结构，然后使用基于物理的边缘感知表面渲染进行进一步优化，以改善几何形状的细化和材料和照明的分离。

具体细节可以在arxiv查阅下列论文：

IRON: Inverse Rendering by Optimizing Neural SDFs and Materials from Photometric Images.

到今天为止对于NeRF的进一步研究仍旧十分火热，我们还面临着风格化的挑战，自动驾驶的挑战等等，相信在不远的未来，NeRF这一框架下能催生出更多有意思的技术，并且拥有更广阔的应用前景。

最后推荐一个学习NeRF的链接，都是顶会论文的作者在里面分享课程：

https://www.shenlanxueyuan.com/course/504

视频课程来了！

自动驾驶之心为大家汇集了毫米波雷达视觉融合、高精地图、BEV感知、传感器标定、传感器部署、自动驾驶协同感知、语义分割、自动驾驶仿真、L4感知、决策规划、轨迹预测等多个方向学习视频，欢迎大家自取（扫码进入学习）

（扫码学习最新视频）

国内首个自动驾驶学习社区

近1000人的交流社区，和20+自动驾驶技术栈学习路线，想要了解更多自动驾驶感知（分类、检测、分割、关键点、车道线、3D目标检测、Occpuancy、多传感器融合、目标跟踪、光流估计、轨迹预测）、自动驾驶定位建图（SLAM、高精地图）、自动驾驶规划控制、领域技术方案、AI模型部署落地实战、行业动态、岗位发布，欢迎扫描下方二维码，加入自动驾驶之心知识星球，这是一个真正有干货的地方，与领域大佬交流入门、学习、工作、跳槽上的各类难题，日常分享论文+代码+视频，期待交流！