技術(shù)特征：

1.一種基于神經(jīng)基和張量分解的神經(jīng)輻射場渲染方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于神經(jīng)基和張量分解的神經(jīng)輻射場渲染方法，其特征在于，所述根據(jù)選定訓(xùn)練視角下的相機參數(shù)對張量分解的輻射場進行采樣得到密度特征張量和紋理特征張量，包括：

3.根據(jù)權(quán)利要求1所述的基于神經(jīng)基和張量分解的神經(jīng)輻射場渲染方法，其特征在于，所述將密度特征張量轉(zhuǎn)換為密度值，包括：

4.根據(jù)權(quán)利要求1所述的基于神經(jīng)基和張量分解的神經(jīng)輻射場渲染方法，其特征在于，所述將紋理特征張量轉(zhuǎn)換為神經(jīng)基，包括：

5.根據(jù)權(quán)利要求1所述的基于神經(jīng)基和張量分解的神經(jīng)輻射場渲染方法，其特征在于，所述基于神經(jīng)基通過系數(shù)網(wǎng)絡(luò)計算得到仿射矩陣和偏置，利用仿射矩陣、偏置和觀測方向進行仿射變換得到神經(jīng)基的系數(shù)，包括：

6.根據(jù)權(quán)利要求1或5所述的基于神經(jīng)基和張量分解的神經(jīng)輻射場渲染方法，其特征在于，系數(shù)網(wǎng)絡(luò)采用多層感知器網(wǎng)絡(luò)構(gòu)建。

7.根據(jù)權(quán)利要求1所述的基于神經(jīng)基和張量分解的神經(jīng)輻射場渲染方法，其特征在于，所述將神經(jīng)基及其系數(shù)一同輸入神經(jīng)混合網(wǎng)絡(luò)得到單個采樣點的顏色，利用體積渲染技術(shù)將采樣點的顏色按照密度值沿光線進行加權(quán)計算出最終的像素顏色，包括：

8.根據(jù)權(quán)利要求1或7所述的基于神經(jīng)基和張量分解的神經(jīng)輻射場渲染方法，其特征在于，神經(jīng)混合網(wǎng)絡(luò)采用多層感知器網(wǎng)絡(luò)構(gòu)建。

9.根據(jù)權(quán)利要求1所述的基于神經(jīng)基和張量分解的神經(jīng)輻射場渲染方法，其特征在于，圖像重建損失函數(shù)包括渲染損失函數(shù)和正則項，公式如下：

10.一種基于神經(jīng)基和張量分解的神經(jīng)輻射場渲染裝置，其特征在于，包括：預(yù)處理模塊、訓(xùn)練模塊和渲染模塊；

技術(shù)總結(jié)
本發(fā)明公開了一種基于神經(jīng)基和張量分解的神經(jīng)輻射場渲染方法和裝置，屬于計算機視覺技術(shù)領(lǐng)域，方法包括：采集多視角圖像及其相機參數(shù)以構(gòu)建數(shù)據(jù)集；根據(jù)選定訓(xùn)練視角下的相機參數(shù)對張量分解的輻射場采樣得到密度特征張量和紋理特征張量并分別轉(zhuǎn)換為密度值和神經(jīng)基，基于神經(jīng)基通過系數(shù)網(wǎng)絡(luò)計算出仿射矩陣和偏置并結(jié)合觀測方向進行仿射變換得到系數(shù)，將神經(jīng)基和系數(shù)輸入神經(jīng)混合網(wǎng)絡(luò)得到單個采樣點的顏色，利用體積渲染技術(shù)計算像素顏色，并對整個網(wǎng)絡(luò)進行訓(xùn)練；設(shè)定新視角并獲取相應(yīng)相機參數(shù)，利用訓(xùn)練好的網(wǎng)絡(luò)參數(shù)進行圖像渲染。本發(fā)明能高效地從多視角圖像數(shù)據(jù)中重建出高質(zhì)量三維場景，有效重建復(fù)雜表面反射效果，實現(xiàn)新視角下的逼真圖像渲染。

技術(shù)研發(fā)人員：邢文鵬,韓蒙,李榮昌,林昶廷,董建鋒,王濱,金波
受保護的技術(shù)使用者：浙江君同智能科技有限責(zé)任公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/26