Pano-NeRF: スパース低動的範囲パノラマ画像からジオメトリを用いて高動的範囲の新しい視点を合成する

ジオメトリ回復と高動的範囲（HDR）再構成に関するパノラマ画像研究は、拡張現実（XR）の発展と共にトレンドになっています。ニューラルラジアンスフィールド（NeRF）は、広範な事前データを必要とせずに両方のタスクに対して有望なシーン表現を提供します。しかし、スパースな低動的範囲（LDR）パノラマ画像を入力する場合、NeRFはしばしば制約の少ないジオメトリに低下し、LDR入力からHDRラジアンスを再構成できません。私たちは、パノラマ画像の各ピクセルからのラジアンスがシーンのライティング情報を伝える信号および他のピクセルを照らす光源としてモデル化できることを観察しました。したがって、我々はスパースLDRパノラマ画像からの照度場を提案し、忠実なジオメトリ回復の観測数を増加させ、HDR再構成のために照度-ラジアンス減衰を活用します。広範な実験により、照度場がジオメトリ回復とHDR再構成の両方で最先端の方法を上回り、その効果が確認されました。さらに、空間的に変化するライティング推定の有望な副産物も示します。コードは https://github.com/Lu-Zhan/Pano-NeRF で入手可能です。