Pano-NeRF: Sintetizando Nuevas Vistas de Alto Rango Dinámico con Geometría a partir de Imágenes Panorámicas de Bajo Rango Dinámico Escasas

La investigación en imágenes panorámicas sobre recuperación de geometría y reconstrucción de Alto Rango Dinámico (HDR) se convierte en una tendencia con el desarrollo de la Realidad Extendida (XR). Los Campos de Radiancia Neurales (NeRF) proporcionan una representación de escena prometedora para ambas tareas sin requerir datos previos extensos. Sin embargo, en el caso de introducir imágenes panorámicas de Bajo Rango Dinámico (LDR) escasas, NeRF a menudo se degrada con geometría subdetermined y no es capaz de reconstruir la radiancia HDR a partir de entradas LDR. Observamos que la radiancia de cada píxel en imágenes panorámicas puede ser modelada tanto como una señal para transmitir información sobre la iluminación de la escena como una fuente de luz para iluminar otros píxeles. Por lo tanto, proponemos los campos de irradiancia a partir de imágenes panorámicas LDR escasas, lo que aumenta los conteos de observación para una recuperación de geometría fiel y aprovecha la atenuación de irradiancia-radiancia para la reconstrucción HDR. Experimentos extensivos demuestran que los campos de irradiancia superan a los métodos de vanguardia tanto en recuperación de geometría como en reconstrucción HDR y validan su efectividad. Además, mostramos un subproducto prometedor de estimación de iluminación variable espacialmente. El código está disponible en https://github.com/Lu-Zhan/Pano-NeRF.