NeRF-Casting: 一貫した反射を伴う視点依存の外観の改善

ニューラルラジアンスフィールド（NeRF）は通常、高度に鏡面反射する物体の再構築とレンダリングに苦労します。これらの物体の外観は視点の変化に応じて急速に変わるからです。最近の研究では、遠方の環境照明の詳細な鏡面外観をレンダリングするNeRFの能力が向上しましたが、近くのコンテンツの一貫した反射を合成することはできません。また、これらの技術は、出力放射をモデル化するために大規模で計算コストの高いニューラルネットワークに依存しており、最適化およびレンダリング速度が厳しく制限されます。私たちは、光線追跡に基づくアプローチを用いてこれらの問題に対処します：カメラの各レイに沿った点で出力視点依存放射のために高価なニューラルネットワークに照会する代わりに、私たちのモデルはこれらの点から反射レイをキャストし、NeRF表現を通してそれらをトレースして、小さくて安価なネットワークを使用して色にデコードされる特徴ベクターをレンダリングします。私たちは、私たちのモデルが光沢のある物体を含むシーンのビュー合成において先行法よりも優れていること、そして現実世界のシーンでフォトリアリスティックな鏡面外観と反射を合成できる唯一の既存のNeRF手法であることを示しますが、現在の最先端のビュー合成モデルと比較して同等の最適化時間を必要とします。