CN115631418B - 图像处理方法及装置、神经辐射场的训练方法 - Google Patents
图像处理方法及装置、神经辐射场的训练方法 Download PDFInfo
- Publication number
- CN115631418B CN115631418B CN202211446987.0A CN202211446987A CN115631418B CN 115631418 B CN115631418 B CN 115631418B CN 202211446987 A CN202211446987 A CN 202211446987A CN 115631418 B CN115631418 B CN 115631418B
- Authority
- CN
- China
- Prior art keywords
- sampling
- dynamic
- sample
- information
- static
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本公开提供了一种图像处理方法、神经辐射场的训练方法和神经网络,涉及机器学习技术、计算机视觉技术、计算机图形学技术和深度学习技术。图像处理方法包括:从第一图像提取静态场景特征,第一图像为在第一时刻从第一视角拍摄目标场景而得到的;从第二图像提取动态场景特征,第二图像为在不同于第一时刻的第二时刻从不同于第一视角的第二视角拍摄目标场景而得到的;确定不同于第二视角的目标视角,并在与目标视角对应的空间区域中确定多个采样点;针对多个采样点中的每一个采样点,将该采样点的空间位置信息、目标视角、静态场景特征以及动态场景特征输入经训练的神经辐射场,以得到该采样点的待渲染信息;基于多个采样点各自的待渲染信息渲染目标图像。
Description
技术领域
本公开涉及人工智能领域,具体涉及机器学习技术、计算机视觉技术、计算机图形学技术和深度学习技术,特别涉及一种图像处理方法、神经辐射场的训练方法、神经网络、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
神经辐射场通过对目标物体进行隐式三维建模进行新视点合成,利用多层感知机将三维空间位置和视角信息映射为目标的三维信息。结合计算机视觉技术和计算机图形学技术,基于神经辐射场和可微分立体渲染法,可以对卫星拍摄的地图照片进行三维信息建模,从而能够实现对地面目标进行新视点图像合成,便于下游任务对卫星地图进行更深入的分析。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种图像处理方法、神经辐射场的训练方法、神经网络、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面,提供了一种图像处理方法。该方法包括:从第一图像提取静态场景特征,第一图像为在第一时刻从第一视角拍摄目标场景而得到的,其中,静态场景特征表征目标场景中处于静态的对象;从第二图像提取动态场景特征,第二图像为在不同于第一时刻的第二时刻从不同于第一视角的第二视角拍摄目标场景而得到的,其中,动态场景特征表征目标场景中处于动态的对象;确定不同于第二视角的目标视角,并在与目标视角对应的空间区域中确定多个采样点;针对多个采样点中的每一个采样点,将该采样点的空间位置信息、目标视角、静态场景特征以及动态场景特征输入经训练的神经辐射场,以得到该采样点的待渲染信息,其中,待渲染信息包括静态待渲染信息和动态待渲染信息中的至少一个;以及基于多个采样点各自的待渲染信息,渲染目标图像,目标图像表征对在第二时刻从目标视角拍摄目标场景而得到的图像的预测结果。
根据本公开的另一方面,提供了一种神经辐射场的训练方法。该方法包括:确定至少一个第一样本图像对,至少一个第一样本图像对中的每一个第一样本图像对包括第一样本图像和第二样本图像,第一样本图像为在第一样本时刻从第一样本视角拍摄第一样本场景而得到的,第二样本图像为在不同于第一样本时刻的第二样本时刻从不同于第一样本视角的第二样本视角拍摄第一样本场景而得到的;在至少一个第一样本图像对所包括的至少一个第二样本图像中确定多个第一样本像素;针对多个第一样本像素中的每一个第一样本像素,确定与该第一样本像素对应的静态场景特征和动态场景特征,其中,与该第一样本像素对应的静态场景特征是从与该第一样本像素对应的第一样本图像中提取的,并且表征对应的第一样本场景中的处于静态的对象,其中,与该第一样本像素对应的动态场景特征是从与该第一样本像素对应的第二样本图像中提取的,并且表征对应的第一样本场景中的处于动态的对象;基于与该第一样本像素对应的第二样本图像的第二样本视角,在与该第二样本视角对应的空间区域中确定与该第一样本像素对应的采样射线;在与该第一样本像素对应的采样射线上确定一个或多个采样点;针对一个或多个采样点中的每一个采样点,将该采样点的空间位置信息、与该第一样本像素对应的第一样本图像的第一样本视角、与该第一样本像素对应的第二样本图像的第二样本视角、与该第一样本像素对应的静态场景特征以及与该第一样本像素对应的动态场景特征输入神经辐射场,以得到该采样点的待渲染信息,待渲染信息包括静态待渲染信息和动态待渲染信息中的至少一个;基于一个或多个采样点各自的待渲染信息,得到对与该第一样本像素对应的采样射线的渲染结果;以及基于该第一样本像素的真实值和对与该第一样本像素对应的采样射线的渲染结果,计算该第一样本像素的损失值;以及基于多个第一样本像素各自的损失值,调整神经辐射场的参数,以得到训练后的神经辐射场。
根据本公开的另一方面,提供了一种神经网络。该神经网络包括:静态场景特征提取网络,被配置为从第一图像提取静态场景特征,第一图像为在第一时刻从第一视角拍摄目标场景而得到的,其中,静态场景特征表征目标场景中处于静态的对象;动态场景特征提取网络,被配置为从第二图像提取动态场景特征,第二图像为在不同于第一时刻的第二时刻从不同于第一视角的第二视角拍摄目标场景而得到的,其中,动态场景特征表征目标场景中处于动态的对象;神经辐射场,被配置为对采样点的空间位置信息、目标视角、静态场景特征以及动态场景特征进行处理,以得到该采样点的待渲染信息,其中,采样点是在与目标视角对应的空间区域中确定的,待渲染信息包括静态待渲染信息和动态待渲染信息中的至少一个;以及渲染器,被配置为基于与采样射线对应的至少一个采样点各自的待渲染信息,输出对采样射线的渲染结果。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中存储器存储有可被至少一个处理器执行的指令,这些指令被至少一个处理器执行,以使至少一个处理器能够执行上述方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行上述方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,其中,计算机程序在被处理器执行时实现上述方法。
根据本公开的一个或多个实施例,通过从两张拍摄时间不同的图像中分别提取静态场景特征和动态场景特征,并利用神经辐射场基于静态场景特征、动态场景特征、采样点的空间位置以及目标视角得到静态待渲染信息和/或动态待渲染信息,实现了对静态场景和动态场景进行单独建模,使得能够渲染出包括目标场景中的处于静态的对象和处于动态的对象两者的准确的目标图像。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图;
图2示出了根据本公开示例性实施例的图像处理方法的流程图;
图3示出了根据本公开示例性实施例的在与目标视角对应的空间区域中确定多个采样点的流程图;
图4示出了根据本公开示例性实施例的利用经训练的神经辐射场得到采样点的待渲染信息的流程图;
图5示出了根据本公开示例性实施例的在采样射线上确定采样点的流程图;
图6示出了根据本公开示例性实施例的神经辐射场的训练方法的流程图;
图7示出了根据本公开示例性实施例的神经网络的结构框图;
图8示出了根据本公开示例性实施例的神经辐射场的结构框图;以及
图9出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个元件与另一元件区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
相关技术中,现有的神经辐射场方法假设所有训练数据图像之间不应有局部细节变化或环境变化,否则会在训练过程中产生歧义,导致无法收敛。
为解决上述问题,本公开通过从两张拍摄时间不同的图像中分别提取静态场景特征和动态场景特征,并利用神经辐射场基于静态场景特征、动态场景特征、采样点的空间位置以及目标视角得到静态待渲染信息和/或动态待渲染信息,实现了对静态场景和动态场景进行单独建模,使得能够渲染出包括目标场景中的处于静态的对象和处于动态的对象两者的准确的目标图像。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1,该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中,服务器120可以运行使得能够执行图像处理方法和/或神经辐射场的训练方法的一个或多个服务或软件应用。
在某些实施例中,服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中,这些服务可以作为基于web的服务或云服务提供,例如在软件即服务(SaaS)网络下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中,服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解,各种不同的系统配置是可能的,其可以与系统100不同。因此,图1是用于实施本文所描述的各种方法的系统的一个示例,并且不旨在进行限制。
用户可以使用客户端设备101、102、103、104、105和/或106来进行人机交互。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口,例如,用户可以使用客户端设备采集第一图像和第二图像,或使用客户端设备向服务器上传客户端设备中存储的图像。用户还可以经由客户端设备输入目标视角的相关信息。客户端设备还可以经由该接口向用户输出信息,例如,客户端可以向用户输出服务器上运行的图像处理方法输出的目标图像。尽管图1仅描绘了六种客户端设备,但是本领域技术人员将能够理解,本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备,例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统,例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS);或包括各种移动操作系统,例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序,例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序,并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类型的网络,其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例,一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机,或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中,服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个,包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中,服务器120可以包括一个或多个应用程序,以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序,以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。
在一些实施方式中,服务器120可以为分布式系统的服务器,或者是结合了区块链的服务器。服务器120也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品,以解决传统物理主机与虚拟专用服务器(VPS,Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
系统100还可以包括一个或多个数据库130。在某些实施例中,这些数据库可以用于存储数据和其他信息。例如,数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如,由服务器120使用的数据存储库可以在服务器120本地,或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中,由服务器120使用的数据库可以是数据库,例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中,数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库,例如键值存储库,对象存储库或由文件系统支持的常规存储库。
图1的系统100可以以各种方式配置和操作,以使得能够应用根据本公开所描述的各种方法和装置。
根据本公开的一方面,提供了一种图像处理方法。如图2所示,图像处理方法包括:步骤S201、从第一图像提取静态场景特征,第一图像为在第一时刻从第一视角拍摄目标场景而得到的,其中,静态场景特征表征目标场景中处于静态的对象;步骤S202、从第二图像提取动态场景特征,第二图像为在不同于第一时刻的第二时刻从不同于第一视角的第二视角拍摄目标场景而得到的,其中,动态场景特征表征目标场景中处于动态的对象;步骤S203、确定不同于和第二视角的目标视角,并在与目标视角对应的空间区域中确定多个采样点;步骤S204、针对多个采样点中的每一个采样点,将该采样点的空间位置信息、目标视角、静态场景特征以及动态场景特征输入经训练的神经辐射场,以得到该采样点的待渲染信息,其中,待渲染信息包括静态待渲染信息和动态待渲染信息中的至少一个;以及步骤S205、基于多个采样点各自的待渲染信息,渲染目标图像,目标图像表征对在第二时刻从目标视角拍摄目标场景而得到的图像的预测结果。
由此,通过从两张拍摄时间不同的图像中分别提取静态场景特征和动态场景特征,并利用神经辐射场基于静态场景特征、动态场景特征、采样点的空间位置以及目标视角得到静态待渲染信息和/或动态待渲染信息,实现了对静态场景和动态场景进行单独建模,使得能够渲染出包括目标场景中的处于静态的对象和处于动态的对象两者的准确的目标图像。
此外,本公开的图像处理方法和神经网络可以针对不同的场景进行建模,解决了现有技术中只能针对单一目标进行建模的问题。
神经辐射场通过对目标物体或目标场景进行隐式三维建模,利用多层感知机将三维空间位置和视角信息映射为目标的三维信息,从而实现新视点合成。在一个示例性实施例中,传统的神经辐射场的输入为一个三维空间位置和一个二维的相机方向输出为当前位置
x的体密度
σ和从该位置沿视角
d方向散发出的颜色向量
c=(
r,
g,
b)。体密度
σ表示射线在坐标位置
x处以一个无穷小的粒子被终止的概率,这个概率是可微分的,类似于这个位置
x处的不透明度。由于体密度
σ仅仅与三维空间位置
x有关,所以
σ仅为
x的函数
σ(
x)。颜色向量
c与位置向量
x和视角
d均相关,所以
c为
x和
d的函数
c(
x,
d)。
第一图像和第二图像可以是由各类拍摄设备通过各类方法对目标物体或者目标场景进行拍摄而得到的。本公开中将以卫星地图图像作为第一图像和第二图像的示例对本公开的图像处理方法、神经辐射场的训练方法和神经网络进行说明,但并不意图限定本公开的保护范围。可以理解的是,各种从多角度对同一目标物体或目标场景进行拍摄而得到的图像均可以作为第一图像和第二图像,以利用经训练的神经辐射场对该目标物体或目标场景进行建模,在此不作限定。
卫星拍摄的地图照片存在如下特点:1)拍摄周期长,长达数月甚至数年,地面建筑等目标可能在这期间存在显著的变化。2)拍摄时间不同,导致拍摄的地图照片存在显著的光照颜色或大气层等环境变化。3)不同照片的边界不同,目标物没有明显的界限。4)地图瓦片数据很多,区域覆盖甚广。
针对上述问题,可以从拍摄时间不同的两张照片中分别提取静态场景特征和动态场景特征,静态场景建模目标场景中的那些恒等不变的特性,动态场景建模目标场景细节变化/环境变化等。通过这样的方式,使得本公开的图像处理方法支持以指定图像对应的内容(例如,在与第二图像对应的第二时刻的目标场景)进行视点合成。
在一些实施例中,从第一图像提取的静态场景特征可以表征目标场景中的处于静态的对象(例如,在一定时间尺度内不会发生变化的建筑物、桥梁、道路、基础设施等)而从第二图像提取的动态场景特征可以表征目标场景中的处于动态的对象(例如,在一定时间尺度内可能发生变化的车辆、行人、装饰物、广告牌,以及在一定时间尺度内可能被移除或新增的建筑物等)。
需要注意的是,上述“一定时间尺度”并不一定与两张图像的拍摄间隔一致,而是由静态/动态场景特征提取过程(或,静态/动态场景建模过程)的内在推理逻辑所决定的。在一个示例性实施例中,场景中包括将要被拆除的建筑物A,并且第一时刻早于第二时刻。在这样的场景中,不论要建筑物A是否体现在第二图像中,静态场景可能不会包括建筑物A。在另一个示例性实施例中,场景中包括新增的建筑物B,并且第一时刻早于第二时刻。在这样的场景中,不论建筑物B是否体现在第一图像中,动态场景可能不包括建筑物B。
在一些实施例中,静态场景特征和动态场景特征可以是由两个不同的图像特征提取网络所提取的图像语义特征。图像特征提取网络可以采用如VGG、ResNet等常用的卷积神经网络,也可以本领域技术人员根据相应的需求自行搭建的网络,在此不作限定。通过对图像特征提取网络进行训练,可以使其具有提取表征处于静态的对象的静态场景特征或处于动态的对象的动态场景特征的能力。此外,通过使用拍摄时间不同的第一图像和第二图像同时训练神经辐射场和静态/动态特征提取网络,可以使得静态/动态特征提取网络学到在与两张图像的拍摄间隔对应的时间尺度内,静态场景和动态场景分别包括哪些内容,如下文将要描述的。
根据一些实施例,第一时刻可以早于第二时刻。通常情况下,用户往往更关心目标场景的最新内容,因此通过将动态分支的图像设置为后拍摄的图像,可以使得在生成目标图像时以更晚时刻的目标场景为基准,从而使得最终生成的目标图像包括后拍摄的图像中的处于动态的对象,以更符合实际使用需求。可以理解的是,如果期望生成以两张图像中的更早时刻的目标场景为基准的目标图像,则可以将先拍摄的图像作为第二图像,并将后拍摄的图像作为第一图像(即,第一时刻晚于第二时刻),从而使得最终生成的目标图像包括先拍摄的图像中的处于动态的对象。
在利用神经网络进行新视点图像合成时,可以确定不同于第二视角的目标视角。目标视角可以表征用于从新视角拍摄目标场景的假想摄像机的内参和/或外参,例如可以包括该假想摄像机所在的位置、光轴朝向等信息。在一个示例性实施例中,可以使用极坐标中的两个角度参数表示目标视角
d,即。
在确定了目标视角后,可以确定在与目标视角对应的空间区域中确定多个采样点。与目标视角对应的空间区域例如可以是假想摄像机的感光元件反向发射的光线对应的空间区域。在一些实施例中,可以以假想摄像机的坐标系为基准坐标系确定多个采样点各自的空间位置信息。
根据一些实施例,如图3所示,步骤S203在与目标视角对应的空间区域中确定多个采样点包括:步骤S301、基于目标视角,在与目标视角对应的空间区域中确定多个采样射线;以及步骤S302、在多个采样射线中的每一个采样射线上确定与该采样射线对应的一个或多个采样点。可以根据待渲染的目标图像的画幅、分别率、或尺寸在与目标视角对应的空间区域中确定多个采样射线,以使得每个采样射线对应待渲染的目标图像上的一个像素。由此,实现了快速便捷地确定多个采样点,并且可以确保所有的采样点都位于假想摄像机的感光单元上的多个像素反向发射的多个光线上,提升了最终渲染结果的准确性。
在得到每个射线对应的一个或多个采样点后,可以将这些采样点的相关信息分别输入经训练的神经辐射场,以得到该采样点的待渲染信息。此外,通过对静态场景和动态场景分别进行建模,本公开提供的神经辐射场能够输出采样点的静态待渲染信息和动态待渲染信息中的至少一个,进而针对期望得到的目标图像中的每一个像素对应的射线上的一个或多个采样点,可以基于该一个或多个采样点各自的静态待渲染信息和/或动态待渲染信息进行渲染,以得到对相应的像素的渲染结果。
在一些实施例中,在推理阶段,神经辐射场可以接收采样点的空间位置信息、目标视角、静态场景特征以及动态场景特征,并判断该采样点属于静态场景还是动态场景,进而根据判断结果输出静态待渲染信息和动态待渲染信息两者中的一个以作为该采样点的待渲染信息。神经辐射场也可以同时输出静态待渲染信息和动态待渲染信息两者,并可以以叠加的方式对这两个待渲染信息同时进行渲染,从而提升渲染的目标图像的质量。神经辐射场还可以在输出静态待渲染信息和动态待渲染信息两者的同时输出表征该采样点属于动态场景的概率,从而可以基于该概率将这两个待渲染信息进行叠加并渲染,以进一步提升渲染的目标图像的质量,如下文将要描述的。
可以理解的是,本领域技术人员可以根据需求确定静态/动态待渲染信息的具体形式,并确定相应的渲染方式,从而得到对与目标图像中的特定像素对应或位于同一射线上的一个或多个采样点的渲染结果。在一个示例性实施例中,可以采用类似于传统的神经辐射场的输入和输出形式,静态待渲染信息可以包括对应的采样点的静态密度信息和静态颜色信息,动态待渲染信息包括对应的采样点的动态密度信息和动态颜色信息。
根据一些实施例,神经辐射场包括空间信息编码子网络、静态场景建模子网络以及动态场景建模子网络。如图4所示,步骤S204、针对多个采样点中的每一个采样点,将该采样点的空间位置信息、目标视角、静态场景特征以及动态场景特征输入经训练的神经辐射场,以得到该采样点的待渲染信息可以包括:步骤S401、针对多个采样点中的每一个采样点,将该采样点的空间位置信息输入空间信息编码子网络,以得到该采样点的空间特征向量和静态密度信息;步骤S402、将该采样点的空间特征向量、目标视角以及静态场景特征输入静态场景建模子网络,以得到该采样点的静态颜色信息;以及步骤S403、将该采样点的空间特征向量、目标视角以及动态场景特征输入动态场景建模子网络,以得到该采样点的动态颜色信息和动态密度信息。
如上文所描述的,由于密度信息(体密度)
σ通常仅仅与三维空间位置
x有关,因此可以将空间位置信息送入空间信息编码子网络,以输出一个空间特征向量
f spatical 和静态密度信息
σ static 。在一些实施例中,空间信息编码子网络可以为多层感知机(MultilayerPerceptron,MLP),也可以是其他网络结构,在此不作限定。
根据一些实施例,多个采样点中的每一个采样点的空间位置信息是通过对对应的采样点的空间坐标进行高频编码而得到的。通过将空间坐标进行高频编码以得到空间位置信息,能够提高空间信息编码子网络对高频信息的学习能力,从而能够得到更有效的的空间特征向量和静态密度信息。
在一些实施例中,考虑到颜色向量
c与位置向量
x和视角
d均相关,因此可以将上述获得的空间特征向量
f spatical ,目标视角
d,以及静态场景特征
f static 输入静态场景建模子网络,以得到当前采样点沿目标视角
d的静态颜色信息
c static 。
在一些实施例中,动态场景可以理解一种动态场。对于卫星地图场景,随着时间的变化,地面目标也在变化。可以将上述获得的空间特征向量
f spatical ,目标视角
d,以及动态场景特征
f dynamic 输入动态场景建模子网络,以得到当前采样点的动态密度信息
σ dynamic 和动态颜色信息
c dynamic 。
由此,通过使用包括空间信息编码子网络、静态场景建模子网络以及动态场景建模子网络三个子网络的神经辐射场,实现了对静态场景和动态场景的分别建模,以得到静态场景的静态密度信息和静态颜色信息以及动态场景的动态密度信息和动态颜色信息,进而能够基于这些信息得到准确的渲染结果。
根据一些实施例,步骤S403、针对多个采样点中的每一个采样点,将该采样点的空间特征向量、目标视角以及动态场景特征输入动态场景建模子网络,以得到该采样点的动态颜色信息和动态密度信息可以包括:针对多个采样点中的每一个采样点,将该采样点的空间特征向量、目标视角以及动态场景特征输入动态场景建模子网络,以得到该采样点的动态颜色信息、动态密度信息以及动态场景概率。动态场景概率
prob dynamic 可以指示该采样点为动态场景的概率。动态场景概率用于建模一种不确定性,可以有效加速网络稍敛,减少训练难度。此外,动态场景概率也可以用于融合静态待渲染信息和动态待渲染信息,以得到更准确的渲染结果。
需要注意的是,在生成密度信息时,激活函数需要使用线性整流函数ReLU保证输出非负;而在生成颜色信息和概率时,激活函数需要使用Sigmoid函数进行归一化,以使得输出结果在特定范围之内。
在一些实施例中,基于多个采样点进行渲染时,可以先在多个采样点中确定多个采样射线,并对这些采样射线进行渲染以得到最终的目标图像中对应的像素。在一个示例性实施例中,可以在多个采样点中确定位于假想摄像机的感光单元中的多个像素反向发射的多个光线上或附近的采样点,进而基于每个射线上的一个或多个采样点对对应的射线进行渲染。
在一些实施例中,步骤S205、基于多个采样点各自的待渲染信息,渲染目标图像可以包括:针对多个采样射线中的每一个采样射线,基于与该采样射线对应的一个或多个采样点各自的待渲染信息,得到对该采样射线的渲染结果,其中,目标图像中的多个像素对应多个采样射线。
在进行渲染时,可以参考用于传统神经辐射场的可微分渲染器所使用的颜色渲染积分得到渲染结果。计算过程可以表示为:其中,near代表射线在体素空间(与目标视角对应的空间区域)的近端,far代表射线在体素空间交点的远端,
其中,,
代表射线从near到当前位置
t的累计透明度(一路上没有击中任何粒子的可能性)。换句话说,目标图像上某个像素点的颜色
C(
r)为:在与目标视角对应的空间区域中,从假想摄像机的感光元件上的当前像素点发射一条射线进行追踪,从近端到远端对当前射线在空间区域内的所有三维空间交点位置(例如,采样点)的颜色
c进行积分,其中每个位置(例如,采样点)的颜色贡献是由累计密度
T(
t)*当前密度
σ(
r(
t))*当前颜色
c(
r(
t),
d)计算得到。
进一步地,每个位置(例如,采样点)的密度和颜色可以是根据该采样点的静态待渲染信息中的静态密度信息与静态颜色信息和/或该采样点的动态待渲染信息中的动态密度信息与动态颜色信息而得到的。
在一些实施例中,神经辐射场输出静态待渲染信息和动态待渲染信息中的一者,则可以基于所输出的待渲染信息中的密度信息和颜色信息进行积分。在一些实施例中,神经辐射场输出静态待渲染信息和动态待渲染信息两者,则可以将静态待渲染信息和动态待渲染信息进行融合后再进行积分。具体地,可以采用各种方式将静态待渲染信息和动态待渲染信息进行融合。在一个示例性实施例中,可以将静态密度信息和动态密度信息融合以得到最终密度信息,并将静态颜色信息和动态颜色信息融合以得到最终颜色信息,并将最终密度信息、最终颜色信息以及基于最终密度信息得到的累计密度相乘以得到积分项。在一个示例性实施例中,可以将静态密度信息和静态颜色信息的乘积与动态密度信息和动态颜色信息的乘积相加,并将相加后的结果与基于静态密度信息和动态密度信息得到的累计密度相乘以得到积分项。可以理解的是,还可以采用其他方式基于静态待渲染信息和动态待渲染信息以得到渲染结果,在此不做限定。
在一些实施例中,还可以采用各种方式将神经辐射场输出的动态概率密度与上述静态待渲染信息和动态待渲染信息进行结合,以得到更有效的积分项,在此不做限定。步骤S205、基于所述多个采样点各自的待渲染信息,渲染目标图像可以包括:针对多个采样射线中的每一个采样射线,确定与该采样射线对应的一个或多个采样点各自的积分项,积分项是基于对应的采样点的静态密度信息与静态颜色信息的乘积以及对应的采样点的动态密度信息、动态颜色信息、与动态场景概率三者的乘积而确定的;以及对对应的一个或多个采样点各自的积分项进行积分,以得到目标图像中与该采样射线对应的像素的渲染结果。
在一个示例性实施例中,射线颜色渲染积分重写为:
,
其中,,
其中,
prob dynamic 为动态场景概率。通过这样的方式,能够将静态待渲染信息、动态待渲染信息和动态概率密度进行有效组合,从而提升得到的渲染结果的准确性。
由此,通过上述方式利用基于静态场景特征得到的静态待渲染信息与基于动态场景特征得到的动态待渲染信息进行渲染,实现了分别对静态场景和动态场景进行建模渲染,从而提升了最终得到的渲染结果的准确性。上述渲染方式也体现了静态场景特征与静态场景(处于静态的对象)之间的关联,以及动态场景特征与动态场景(处于动态的对象)之间的关联。
由于空间区域中的三维采样点过多,因此可以使用训练好的采样网络在空间区域进行采样。根据一些实施例,如图5所示,步骤S302、在多个采样射线中的每一个采样射线上确定与该采样射线对应的一个或多个采样点可以包括:步骤S501、在多个采样射线中的每一个采样射线上确定与该采样射线对应的一个或多个预采样点;以及步骤S502、将与该采样射线对应的一个或多个预采样点的空间位置信息输入与神经辐射场共同训练得到的采样网络,以得到与该采样射线对应的一个或多个采样点。
由此,通过先在采样射线上确定预采样点,再利用采样网络基于预采样点的位置信息输出最终使用的一个或多个采样点,使得能够提升采样射线的渲染结果的准确性。
在一些实施例中,可以通过随机采样、均匀采样、或其他采样方式在采样射线上确定预采样点。
在一些实施例中,采样网络和神经辐射场可以采用粗网络-细网络(CoarseNetwork-Refinement Network)的结构。其中,粗网络为与作为细网络的神经辐射场具有类似结构的粗-神经辐射场,并能够基于预采样点的空间位置信息、目标视角、静态场景特征和动态场景特征输出基于预采样点的目标图像。采样网络可以包括概率密度函数生成子网络和可微分采样子网络,其中,概率密度函数生成子网络可以和粗网络共享部分网络层。
在一个示例性实施例中,概率密度函数生成子网络可以包括粗-神经辐射中的粗-空间信息编码子网络,从而能够基于预采样点的空间位置信息生成预采样点的静态密度信息。概率密度生成子网络可以进一步将同一条采样射线上的一个或多个预采样点的静态密度信息转换为概率值,以得到与该采样射线对应的概率密度函数。采样子网络可以基于概率密度函数进行采样,以得到该采样射线上的用于细网络(即,上述神经辐射场)的一个或多个采样点。通过这样的方式,可以尽可能地忽略对最终渲染像素没有帮助的采样点,并得到更有助于提升最终渲染结果的准确性的采样点。
根据一些实施例,可以对概率密度生成子网络进行优化,直接基于预采样点的空间位置信息得到概率密度函数。步骤S502、将与该采样射线对应的一个或多个预采样点的空间位置信息输入与神经辐射场共同训练得到的采样网络,以得到与该采样射线对应的一个或多个采样点可以包括:针对多个采样射线中的每一个采样射线,将与该采样射线对应的一个或多个预采样点各自的空间位置信息输入概率密度函数生成子网络,以得到与该采样射线对应概率密度函数,概率密度函数表征对应的采样射线上的各个点属于目标场景的概率;以及将与该采样射线对应的概率密度函数输入可微分采样子网络,以得到与该采样射线对应的一个或多个采样点。
由此,通过预测概率密度函数并使用可微分采样子网络,使得能够在训练阶段对采样网络和神经辐射场进行端到端训练,从而使得采样网络能够输出更有助于得到准确的采样射线渲染结果的采样点。
在一些实施例中,概率密度函数生成子网络可以生成特定概率分布的参数(例如,高斯分布的均值和方差、泊松分布的均值等等),从而能够基于这些的参数得到相应的概率密度函数。
根据本公开的另一方面,提供了一种神经辐射场的训练方法。如图6所示,训练方法包括:步骤S601、确定至少一个第一样本图像对,至少一个第一样本图像对中的每一个第一样本图像对包括第一样本图像和第二样本图像,第一样本图像为在第一样本时刻从第一样本视角拍摄第一样本场景而得到的,第二样本图像为在不同于第一样本时刻的第二样本时刻从不同于第一样本视角的第二样本视角拍摄第一样本场景而得到的;步骤S602、在至少一个第一样本图像对所包括的至少一个第二样本图像中确定多个第一样本像素;步骤S603、针对多个第一样本像素中的每一个第一样本像素,确定与该第一样本像素对应的静态场景特征和动态场景特征,其中,与该第一样本像素对应的静态场景特征是从与该第一样本像素对应的第一样本图像中提取的,并且表征对应的第一样本场景中的处于静态的对象,其中,与该第一样本像素对应的动态场景特征是从与该第一样本像素对应的第二样本图像中提取的,并且表征对应的第一样本场景中的处于动态的对象;步骤S604、基于与该第一样本像素对应的第二样本图像的第二样本视角,在与该第二样本视角对应的空间区域中确定与该第一样本像素对应的采样射线;步骤S605、在与该第一样本像素对应的采样射线上确定一个或多个采样点;步骤S606、针对一个或多个采样点中的每一个采样点,将该采样点的空间位置信息、与该第一样本像素对应的第一样本图像的第一样本视角、与该第一样本像素对应的第二样本图像的第二样本视角、与该第一样本像素对应的静态场景特征以及与该第一样本像素对应的动态场景特征输入神经辐射场,以得到该采样点的待渲染信息,待渲染信息包括静态待渲染信息和动态待渲染信息中的至少一个,静态待渲染信息包括静态密度信息和静态颜色信息,动态待渲染信息包括动态密度信息和动态颜色信息;步骤S607、基于一个或多个采样点各自的待渲染信息,得到对与该第一样本像素对应的采样射线的渲染结果;以及步骤S608、基于该第一样本像素的真实值和对与该第一样本像素对应的采样射线的渲染结果,计算该第一样本像素的损失值;以及步骤S609、基于多个第一样本像素各自的损失值,调整神经辐射场的参数,以得到训练后的神经辐射场。可以理解的是,训练方法中的部分步骤与图像处理方法中的部分步骤的操作类似(例如,静态/动态场景特征提取、神经辐射场的使用、采样射线的渲染等),在此不做赘述。
根据一些实施例,第一样本时刻可以早于第二样本时刻,从而使得训练后的神经辐射场以更晚时刻的图像的场景为基准。
根据一些实施例,所述静态待渲染信息包括对应的采样点的静态密度信息和静态颜色信息,所述动态待渲染信息包括对应的采样点的动态密度信息和动态颜色信息。神经辐射场可以包括空间信息编码子网络、静态场景建模子网络以及动态场景建模子网络。步骤S606、针对一个或多个采样点中的每一个采样点,将该采样点的空间位置信息、与该第一样本像素对应的第一样本图像的第一样本视角、与该第一样本像素对应的第二样本图像的第二样本视角、静态场景特征以及动态场景特征输入神经辐射场,以得到该采样点的待渲染信息可以包括:针对一个或多个采样点中的每一个采样点,将该采样点的空间位置信息输入空间信息编码子网络,以得到该采样点的空间特征向量和静态密度信息;将该采样点的空间特征向量、与该第一样本像素对应的第一样本图像的第一样本视角以及静态场景特征输入静态场景建模子网络,以得到该采样点的静态颜色信息;以及将该采样点的空间特征向量、与该第一样本像素对应的第二样本图像的第二样本视角以及动态场景特征输入动态场景建模子网络,以得到该采样点的动态颜色信息和动态密度信息。由此,通过使用包括空间信息编码子网络、静态场景建模子网络以及动态场景建模子网络三个子网络的神经辐射场,实现了对静态场景和动态场景的分别建模,以得到静态场景的静态密度信息和静态颜色信息以及动态场景的动态密度信息和动态颜色信息,进而能够基于这些信息得到准确的渲染结果。
根据一些实施例,针对一个或多个采样点中的每一个采样点,将该采样点的空间特征向量、与该第一样本像素对应的第二样本图像的第二样本视角以及动态场景特征输入动态场景建模子网络,以得到该采样点的动态颜色信息和动态密度信息可以包括:针对多个采样点中的每一个采样点,将该采样点的空间特征向量、与该第一样本像素对应的第二样本图像的第二样本视角以及动态场景特征输入动态场景建模子网络,以得到该采样点的动态颜色信息、动态密度信息以及动态场景概率,动态场景概率指示该采样点为动态场景的概率。动态场景概率用于建模一种不确定性,可以有效加速网络稍敛,减少训练难度。此外,动态场景概率也可以用于融合静态待渲染信息和动态待渲染信息,以得到更准确的渲染结果。
在一些实施例中,步骤S609、基于一个或多个采样点各自的待渲染信息,得到对与该第一样本像素对应的采样射线的渲染结果可以包括:基于一个或多个采样点各自的静态密度信息、静态颜色信息、动态密度信息、动态颜色信息以及动态场景概率,得到对与该第一样本像素对应的采样射线的渲染结果。
根据一些实施例,可以对动态场景进行额外的训练监督限制。第一样本像素的损失值可以包括以下中的至少一者:约束该第一样本像素的真实值和对与该第一样本像素对应的采样射线的渲染结果的差异的第一损失项;约束与该第一样本像素对应的一个或多个采样点的动态场景概率的第二损失项;以及约束与该第一样本像素对应的一个或多个采样点的动态密度信息的第三损失项。
在一个示例性实施例中,单射线
r的损失函数写为:
其中,第一项为渲染图片颜色
C(
r) render 和真实图片颜色
C(
r) gt 的L2-loss,分母为动态场景的概率值,即动态场景概率越大,代表不确定性值越大,允许渲染损失增大,来增强收敛性;第二项对动态场景概率
prob dynamic 施加L2-loss,防止第一项分母无限增大;第三项为防止网络过于倾向学习动态场景施加的正则项,
λ为平衡系数。可以理解的是,本领域技术人员可以在上述损失函数的基础上进行修改,例如可以调整其中的系数,或者将L2-loss调整为其他类型的损失,或者增加更多的监督项,在此不作限定。
根据前文所描述的,由于空间区域中的三维采样点过多,因此可以使用训练好的采样网络在空间区域进行采样。根据一些实施例,步骤S605、针对多个第一样本像素中的每一个第一样本像素,在与该第一样本像素对应的采样射线上确定一个或多个采样点可以包括:在采样射线上确定一个或多个预采样点;以及将一个或多个预采样点的空间位置信息输入采样网络,以得到与采样射线对应的一个或多个采样点。步骤S609、基于多个第一样本像素各自的损失值,调整神经辐射场的参数,以得到训练后的神经辐射场可以包括:基于多个第一样本像素各自的损失值,调整采样网络的参数。由此,通过先在采样射线上确定预采样点,再利用采样网络基于预采样点的位置信息输出最终使用的一个或多个采样点,使得能够提升采样射线的渲染结果的准确性。
根据一些实施例,采样网络包括概率密度函数生成子网络和可微分采样子网络。将一个或多个预采样点的空间位置信息输入采样网络,以得到与采样射线对应的一个或多个采样点可以包括:将一个或多个预采样点各自的空间位置信息输入概率密度函数生成子网络,以得到与采样射线对应概率密度函数,概率密度函数表征对应的采样射线上的各个点属于对应的第一样本图像对所拍摄的样本场景的概率;以及将与采样射线对应的概率密度函数输入可微分采样子网络,以得到与采样射线对应的一个或多个采样点。由此,通过预测概率密度函数并使用可微分采样子网络,使得能够在训练阶段对采样网络和神经辐射场进行端到端训练,从而使得采样网络能够输出更有助于得到准确的采样射线渲染结果的采样点。
根据一些实施例,可以采用粗网络-细网络的结构,其中,粗网络和细网络可以为参数不同但具有相似结构的神经辐射场,采样网络和作为粗网络的粗-神经辐射场共享部分神经网络层,细网络即为上文所描述的神经辐射场。步骤S605、针对多个第一样本像素中的每一个第一样本像素,在与该第一样本像素对应的采样射线上确定一个或多个采样点还可以包括:针对一个或多个预采样点中的每一个预采样点,将该预采样点的空间位置信息、与该第一样本像素对应的第一样本图像的第一样本视角、与该第一样本像素对应的第二样本图像的第二样本视角、静态场景特征以及动态场景特征输入不同于神经辐射场的粗-神经辐射场,以得到该预采样点的粗-待渲染信息,粗-待渲染信息包括粗-静态待渲染信息和粗-动态待渲染信息中的至少一个,粗-静态待渲染信息包括粗-静态密度信息和粗-静态颜色信息,粗-动态待渲染信息包括粗-动态密度信息和粗-动态颜色信息,其中,粗-神经辐射场和概率密度函数生成子网络共享至少一个神经网络层;基于一个或多个预采样点各自的粗-待渲染信息,得到对与该第一样本像素对应的采样射线的粗-渲染结果;以及基于该第一样本像素的真实值和与该第一样本像素对应的采样射线的粗-渲染结果,计算该第一样本像素的粗-损失值。步骤S609、基于多个第一样本像素各自的损失值,调整神经辐射场的参数,以得到训练后的神经辐射场,包括:基于多个第一样本像素各自的损失值和粗-损失值,调整神经辐射场和粗-神经辐射场的参数。
由此,通过将粗-神经辐射场和(细-)神经辐射场共同训练,可以进一步提升采样网络的能力,从而进一步使得采样网络能够输出更有助于得到准确的采样射线渲染结果的采样点。
在一些实施例中,图6所描述的训练方法可以是批训练。在一些实施例中,至少一个第一样本图像对中的每一个图像可以与同一场景对应,从而使得训练后的神经网络针对该场景具有生成更晚时刻的新视角图像的能力。在一些实施例中,至少一个第一样本图像对中的不同图像对所包括的两个图像的时间间隔可以一致,也可以不同,在此不作限定。在对静态特征提取网络和动态特征提取网络进行训练时,监督信号能够帮助这两个网络学到针对本轮训练的第一样本图像和第二样本图像的目标场景中,在与该第一样本图像和第二样本图像的时间间隔对应的时间尺度下,哪些部分属于静态场景(处于静态的对象)以及哪些部分属于动态场景(处于动态的对象)。
根据一些实施例,针对多个第一样本像素中的每一个第一样本像素,确定与该第一样本像素对应的静态场景特征和动态场景特征,包括:将与该第一样本像素对应的第一样本图像输入静态场景特征提取网络,以得到与该第一样本像素的静态场景特征;以及将与该第一样本像素对应的第二样本图像输入动态场景特征提取网络,以得到与该第一样本像素的动态场景特征,其中,基于多个第一样本像素各自的损失值,调整神经辐射场的参数,以得到训练后的神经辐射场,包括:基于多个第一样本各自的损失值,调整静态场景特征提取网络和动态场景特征提取网络中的至少一者的参数。由此,通过基于第一样本像素的损失值调整静态场景特征提取网络和动态场景特征提取网络的参数,使得这两个特征提取网络能够学习到对静态场景建模和动态场景建模更有益的信息,进而使得推理阶段这两个网络能够输出更有效的静态场景特征和动态场景特征。
根据一些实施例,至少一个第一样本图像对所包括的至少一个第二样本图像中包括拍摄多个不同场景的多个第二样本图像。通过这样的方式进行训练,使得神经网络能够学习到一种通用的动静场景特征提取能力,并且使得最终得到的神经网络可以支持非单一区域目标的新视角图像生成。
根据一些实施例,可以采用三阶段的训练方式。在第一阶段,可以使用同一张图像提取静态场景特征和动态场景特征,用于加速收敛并获得更稳定的训练过程。训练方法还可以包括:确定拍摄相同场景的至少一个第三样本图像;在至少一个第三样本图像中确定多个第二样本像素;针对多个第二样本像素中的每一个第二样本像素,从与该第二样本像素对应的第三样本图像中提取静态场景特征和动态场景特征;基于与该第二样本像素对应的第三样本图像的第三样本视角,在与该第三样本视角对应的空间区域中确定与该第二样本像素对应的采样射线;在与该第二样本像素对应的采样射线上确定一个或多个采样点;针对一个或多个采样点中的每一个采样点,将该采样点的空间位置信息、与该第二样本像素对应的第三样本图像的第三样本视角、与该第二样本像素对应的静态场景特征以及与该第二样本像素对应的动态场景特征输入神经辐射场,以得到该采样点的待渲染信息;基于一个或多个采样点各自的待渲染信息,得到对与该第二样本像素对应的采样射线的渲染结果;以及基于该第二样本像素的真实值和对与该第二样本像素对应的采样射线的渲染结果,计算该第二样本像素的损失值;以及基于多个第二样本像素各自的损失值,调整神经辐射场的参数,以得到第二中间神经辐射场。步骤S609、基于多个第一样本像素各自的损失值,调整神经辐射场的参数,以得到训练后的神经辐射场可以包括:基于多个第二样本像素各自的损失值调整第二中间神经辐射场的参数,以得到第一中间神经辐射场。
在第二阶段,可以使用针对同一场景的至少一个图像对进行训练,每一个图像对包括不同时刻拍摄的两张图像。特别地,我们始终保持动态场景分支输入的图片时间戳大于静态场景分支输入的图片时间戳,即t(i+m)>ti,这样我们可以以ti时刻为静态场景,让模型学习ti~t(i+m)时刻的动态场景信息。
在第三阶段,可以采用拍摄不同场景的至少一个图像对进行训练,在此不做赘述。通过上述三阶段的训练方式,可以使得神经网络快速收敛,并且能够得到具有针对不同场景进行新视角图像生成能力的神经网络。
根据本公开的另一方面,提供了一种神经网络。如图7所示,神经网络700包括:静态场景特征提取网络710,被配置为从第一图像702提取静态场景特征,第一图像为在第一时刻从第一视角拍摄目标场景而得到的,其中,静态场景特征表征目标场景中处于静态的对象;动态场景特征提取网络720,被配置为从第二图像704提取动态场景特征,第二图像为在不同于第一时刻的第二时刻从不同于第一视角的第二视角拍摄目标场景而得到的,其中,动态场景特征表征目标场景中处于动态的对象;神经辐射场730,被配置为对采样点的空间位置信息706、目标视角708、静态场景特征以及动态场景特征进行处理,以得到该采样点的待渲染信息,其中,采样点是在与目标视角对应的空间区域中确定的,待渲染信息包括静态待渲染信息和动态待渲染信息中的至少一个,静态待渲染信息包括静态密度信息和静态颜色信息,动态待渲染信息包括动态密度信息和动态颜色信息;以及渲染器740,被配置为基于与采样射线对应的至少一个采样点各自的待渲染信息,输出对采样射线的渲染结果742。可以理解的是,神经网络700中的各部分的操作和图2中的相应步骤的操作类似,在此不做赘述。
根据一些实施例,所述静态待渲染信息包括对应的采样点的静态密度信息和静态颜色信息,所述动态待渲染信息包括对应的采样点的动态密度信息和动态颜色信息。如图8所示,神经辐射场800包括:空间信息编码子网络810,被配置为基于采样点的空间位置信息802,输出采样点的空间特征向量和静态密度信息812;静态场景建模子网络820,被配置为基于采样点的空间特征向量、目标视角804以及静态场景特征806,输出采样点的静态颜色信息822;以及动态场景建模子网络830,被配置为基于采样点的空间特征向量、目标视角804以及动态场景特征808,输出采样点的动态颜色信息832和动态密度信息834。
一个示例性的空间信息编码子网络的结构可以包括8个串联的全连接层(输出维度均为128)和从空间信息编码子网络的输入到第五个全连接层的残差连接。在第八个全连接层之后,可以接并联的两个全连接层,输出维度分为别为1和128,分别对应静态密度信息和空间特征向量。在每一个全连接层之后,均可以设置一个激活函数。需要注意的是,在生成静态密度信息时,所使用的激活函数为ReLU,以确保结果非负。
一个示例性的静态场景建模子网络的结构可以包括两个串联的全连接层,输出维度分别为64和3(对应三个RGB颜色通道)。在每一个全连接层之后,均可以设置一个激活函数。需要注意的是,在生成静态颜色信息时,所使用的激活函数为Sigmoid,以确保结果在特定范围内。
根据一些实施例,动态场景建模子网络830被配置为基于采样点的空间特征向量、目标视角804以及动态场景特征808,输出采样点的动态颜色信息832、动态密度信息834以及动态场景概率836。动态场景概率可以指示采样点为动态场景的概率。
一个示例性的动态场景建模子网络的结构可以包括输出维度为64的全连接层。该全连接层之后可以接三个并联的全连接层,输出维度分别为1、3和1,分别对应动态密度信息、动态颜色信息以及动态场景概率。在每一个全连接层之后,均可以设置一个激活函数。需要注意的是,在生成动态密度信息时,所使用的激活函数为ReLU,以确保结果非负;在生成动态颜色信息和动态场景概率时,所使用的激活函数为Sigmoid,以确保结果在特定范围内。
根据一些实施例,神经网络还包括:采样网络,被配置为对在采样射线上确定的一个或多个预采样点各自的空间位置信息进行处理,以得到与采样射线对应的至少一个采样点。
根据一些实施例,采样网络包括:概率密度函数生成子网络,被配置为对采样射线对应的一个或多个预采样点各自的空间位置信息进行处理,以得到与采样射线对应概率密度函数;以及可微分采样子网络,被配置为对概率密度函数进行处理,以得到与采样射线对应的至少一个采样点。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
参考图9,现将描述可以作为本公开的服务器或客户端的电子设备900的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图9所示,设备900包括计算单元901,其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序,来执行各种适当的动作和处理。在RAM 903中,还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
设备900中的多个部件连接至I/O接口905,包括:输入单元906、输出单元907、存储单元908以及通信单元909。输入单元906可以是能向设备900输入信息的任何类型的设备,输入单元906可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入,并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元907可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元908可以包括但不限于磁盘、光盘。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习网络算法的计算单元、数字信号处理器(DSP)以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理,例如图像处理方法和/或神经辐射场的训练方法。例如,在一些实施例中,图像处理方法和/或神经辐射场的训练方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元908。在一些实施例中,计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM 903并由计算单元901执行时,可以执行上文描述的图像处理方法和/或神经辐射场的训练方法的一个或多个步骤。备选地,在其他实施例中,计算单元901可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行图像处理方法和/或神经辐射场的训练方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称 "VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、系统和设备仅仅是示例性的实施例或示例,本发明的范围并不由这些实施例或示例限制,而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (24)
1.一种图像处理方法,其特征在于,所述方法包括:
从第一图像提取静态场景特征,所述第一图像为在第一时刻从第一视角拍摄目标场景而得到的,其中,所述静态场景特征表征所述目标场景中处于静态的对象;
从第二图像提取动态场景特征,所述第二图像为在不同于所述第一时刻的第二时刻从不同于所述第一视角的第二视角拍摄所述目标场景而得到的,其中,所述动态场景特征表征所述目标场景中处于动态的对象;
确定不同于所述第二视角的目标视角,并在与所述目标视角对应的空间区域中确定多个采样点;
针对所述多个采样点中的每一个采样点,将该采样点的空间位置信息、所述目标视角、所述静态场景特征以及所述动态场景特征输入经训练的神经辐射场,以得到该采样点的待渲染信息,包括:
针对所述多个采样点中的每一个采样点,
将该采样点的空间位置信息输入所述神经辐射场中的空间信息编码子网络,以得到该采样点的空间特征向量和静态密度信息;
将该采样点的空间特征向量、所述目标视角以及所述静态场景特征输入所述神经辐射场中的静态场景建模子网络,以得到该采样点的静态颜色信息;以及
将该采样点的空间特征向量、所述目标视角以及所述动态场景特征输入所述神经辐射场中的动态场景建模子网络,以得到该采样点的动态颜色信息和动态密度信息,其中,所述待渲染信息包括静态待渲染信息和动态待渲染信息,所述静态待渲染信息包括所述静态密度信息和所述静态颜色信息,所述动态待渲染信息包括所述动态密度信息和所述动态颜色信息;以及
基于所述多个采样点各自的静态密度信息、静态颜色信息、动态密度信息以及动态颜色信息,渲染目标图像,所述目标图像表征对在所述第二时刻从所述目标视角拍摄所述目标场景而得到的图像的预测结果。
2.根据权利要求1所述的方法,其特征在于,针对所述多个采样点中的每一个采样点,将该采样点的空间特征向量、所述目标视角以及所述动态场景特征输入所述动态场景建模子网络,以得到该采样点的动态颜色信息和动态密度信息,包括:
针对所述多个采样点中的每一个采样点,将该采样点的空间特征向量、所述目标视角以及所述动态场景特征输入所述动态场景建模子网络,以得到该采样点的动态颜色信息、动态密度信息以及动态场景概率,所述动态场景概率指示该采样点为动态场景的概率,
其中,基于所述多个采样点各自的静态密度信息、静态颜色信息、动态密度信息以及动态颜色信息,渲染目标图像,包括:
基于所述多个采样点各自的静态密度信息、静态颜色信息、动态密度信息、动态颜色信息以及动态场景概率,渲染所述目标图像。
3.根据权利要求2所述的方法,其特征在于,在与所述目标视角对应的空间区域中确定多个采样点包括:
基于所述目标视角,在与所述目标视角对应的空间区域中确定多个采样射线;以及
在所述多个采样射线中的每一个采样射线上确定与该采样射线对应的一个或多个采样点,
其中,基于所述多个采样点各自的静态密度信息、静态颜色信息、动态密度信息以及动态颜色信息,渲染目标图像,包括:
针对所述多个采样射线中的每一个采样射线,基于与该采样射线对应的一个或多个采样点各自的静态密度信息、静态颜色信息、动态密度信息以及动态颜色信息,得到对该采样射线的渲染结果,其中,所述目标图像中的多个像素对应所述多个采样射线。
4.根据权利要求3所述的方法,其特征在于,基于所述多个采样点各自的静态密度信息、静态颜色信息、动态密度信息、动态颜色信息以及动态场景概率,渲染目标图像,包括:
针对所述多个采样射线中的每一个采样射线,确定与该采样射线对应的一个或多个采样点各自的积分项,所述积分项是基于对应的采样点的静态密度信息与静态颜色信息的乘积以及所述对应的采样点的动态密度信息、动态颜色信息、与动态场景概率三者的乘积而确定的;以及
基于与该采样射线所述对应的一个或多个采样点各自的积分项进行积分,以得到与该采样射线对应的渲染结果。
5.根据权利要求3所述的方法,其特征在于,在所述多个采样射线中的每一个采样射线上确定与该采样射线对应的一个或多个采样点,包括:
在所述多个采样射线中的每一个采样射线上确定与该采样射线对应的一个或多个预采样点;以及
将与该采样射线对应的一个或多个预采样点的空间位置信息输入与所述神经辐射场共同训练得到的采样网络,以得到与该采样射线对应的一个或多个采样点。
6.根据权利要求5所述的方法,其特征在于,所述采样网络包括概率密度函数生成子网络和可微分采样网络,其中,将与该采样射线对应的一个或多个预采样点的空间位置信息输入与所述神经辐射场共同训练得到的采样网络,以得到与该采样射线对应的一个或多个采样点,包括:
针对所述多个采样射线中的每一个采样射线,将与该采样射线对应的一个或多个预采样点各自的空间位置信息输入所述概率密度函数生成子网络,以得到与该采样射线对应概率密度函数,所述概率密度函数表征对应的采样射线上的各个点属于所述目标场景的概率;以及
将与该采样射线对应的概率密度函数输入所述可微分采样网络,以得到与该采样射线对应的所述一个或多个采样点。
7.根据权利要求1所述的方法,其特征在于,所述多个采样点中的每一个采样点的空间位置信息是通过对对应的采样点的空间位置坐标进行高频编码而得到的。
8.根据权利要求1所述的方法,其特征在于,所述第一时刻早于所述第二时刻。
9.一种神经辐射场的训练方法,其特征在于,所述方法包括:
确定至少一个第一样本图像对,所述至少一个第一样本图像对中的每一个第一样本图像对包括第一样本图像和第二样本图像,所述第一样本图像为在第一样本时刻从第一样本视角拍摄第一样本场景而得到的,所述第二样本图像为在不同于所述第一样本时刻的第二样本时刻从不同于所述第一样本视角的第二样本视角拍摄所述第一样本场景而得到的;
在所述至少一个第一样本图像对所包括的至少一个第二样本图像中确定多个第一样本像素;
针对所述多个第一样本像素中的每一个第一样本像素,
确定与该第一样本像素对应的静态场景特征和动态场景特征,其中,与该第一样本像素对应的静态场景特征是从与该第一样本像素对应的第一样本图像中提取的,并且表征对应的第一样本场景中的处于静态的对象,其中,与该第一样本像素对应的动态场景特征是从与该第一样本像素对应的第二样本图像中提取的,并且表征对应的第一样本场景中的处于动态的对象;
基于与该第一样本像素对应的第二样本图像的第二样本视角,在与该第二样本视角对应的空间区域中确定与该第一样本像素对应的采样射线;
在与该第一样本像素对应的采样射线上确定一个或多个采样点;
针对所述一个或多个采样点中的每一个采样点,将该采样点的空间位置信息、与该第一样本像素对应的第一样本图像的第一样本视角、与该第一样本像素对应的第二样本图像的第二样本视角、与该第一样本像素对应的静态场景特征以及与该第一样本像素对应的动态场景特征输入所述神经辐射场,以得到该采样点的待渲染信息,包括:
针对所述一个或多个采样点中的每一个采样点,
将该采样点的空间位置信息输入所述神经辐射场中的空间信息编码子网络,以得到该采样点的空间特征向量和静态密度信息;
将该采样点的空间特征向量、与该第一样本像素对应的第一样本图像的第一样本视角以及所述静态场景特征输入所述神经辐射场中的静态场景建模子网络,以得到该采样点的静态颜色信息;以及
将该采样点的空间特征向量、与该第一样本像素对应的第二样本图像的第二样本视角以及所述动态场景特征输入所述神经辐射场中的动态场景建模子网络,以得到该采样点的动态颜色信息和动态密度信息,其中,所述待渲染信息包括静态待渲染信息和动态待渲染信息,所述静态待渲染信息包括对应的采样点的静态密度信息和静态颜色信息,所述动态待渲染信息包括对应的采样点的动态密度信息和动态颜色信息;
基于所述一个或多个采样点各自的静态密度信息、静态颜色信息、动态密度信息以及动态颜色信息,得到对与该第一样本像素对应的采样射线的渲染结果;以及
基于该第一样本像素的真实值和对与该第一样本像素对应的采样射线的渲染结果,计算该第一样本像素的损失值;以及
基于所述多个第一样本像素各自的损失值,调整所述神经辐射场的参数,以得到训练后的神经辐射场。
10.根据权利要求9所述的方法,其特征在于,针对所述一个或多个采样点中的每一个采样点,将该采样点的空间特征向量、与该第一样本像素对应的第二样本图像的第二样本视角以及所述动态场景特征输入所述动态场景建模子网络,以得到该采样点的动态颜色信息和动态密度信息,包括:
针对所述多个采样点中的每一个采样点,将该采样点的空间特征向量、与该第一样本像素对应的第二样本图像的第二样本视角以及所述动态场景特征输入所述动态场景建模子网络,以得到该采样点的动态颜色信息、动态密度信息以及动态场景概率,所述动态场景概率指示该采样点为动态场景的概率,
其中,基于所述一个或多个采样点各自的静态密度信息、静态颜色信息、动态密度信息以及动态颜色信息,得到对与该第一样本像素对应的采样射线的渲染结果,包括:
基于所述一个或多个采样点各自的静态密度信息、静态颜色信息、动态密度信息、动态颜色信息以及动态场景概率,得到对与该第一样本像素对应的采样射线的渲染结果。
11.根据权利要求10所述的方法,其特征在于,所述第一样本像素的损失值包括以下中的至少一者:
约束该第一样本像素的真实值和对与该第一样本像素对应的采样射线的渲染结果的差异的第一损失项;
约束与该第一样本像素对应的一个或多个采样点的动态场景概率的第二损失项;以及
约束与该第一样本像素对应的一个或多个采样点的动态密度信息的第三损失项。
12.根据权利要求9所述的方法,其特征在于,针对所述多个第一样本像素中的每一个第一样本像素,在与该第一样本像素对应的采样射线上确定一个或多个采样点,包括:
在所述采样射线上确定一个或多个预采样点;以及
将所述一个或多个预采样点的空间位置信息输入采样网络,以得到与所述采样射线对应的一个或多个采样点,
其中,基于所述多个第一样本像素各自的损失值,调整所述神经辐射场的参数,以得到训练后的神经辐射场,包括:
基于所述多个第一样本像素各自的损失值,调整所述采样网络的参数。
13.根据权利要求12所述的方法,其特征在于,所述采样网络包括概率密度函数生成子网络和可微分采样网络,其中,将所述一个或多个预采样点的空间位置信息输入采样网络,以得到与所述采样射线对应的一个或多个采样点,包括:
将所述一个或多个预采样点各自的空间位置信息输入所述概率密度函数生成子网络,以得到与所述采样射线对应概率密度函数,所述概率密度函数表征对应的采样射线上的各个点属于对应的第一样本图像对所拍摄的样本场景的概率;以及
将与所述采样射线对应的概率密度函数输入所述可微分采样网络,以得到与所述采样射线对应的所述一个或多个采样点。
14.根据权利要求13所述的方法,其特征在于,针对所述多个第一样本像素中的每一个第一样本像素,在与该第一样本像素对应的采样射线上确定一个或多个采样点,还包括:
针对所述一个或多个预采样点中的每一个预采样点,将该预采样点的空间位置信息、与该第一样本像素对应的第一样本图像的第一样本视角、与该第一样本像素对应的第二样本图像的第二样本视角、所述静态场景特征以及所述动态场景特征输入不同于所述神经辐射场的粗-神经辐射场,以得到该预采样点的粗-待渲染信息,所述粗-待渲染信息包括粗-静态待渲染信息和粗-动态待渲染信息,所述粗-静态待渲染信息包括粗-静态密度信息和粗-静态颜色信息,所述粗-动态待渲染信息包括粗-动态密度信息和粗-动态颜色信息,其中,所述粗-神经辐射场和所述概率密度函数生成子网络共享至少一个神经网络层;
基于所述一个或多个预采样点各自的粗-待渲染信息,得到对与该第一样本像素对应的采样射线的粗-渲染结果;以及
基于该第一样本像素的真实值和与该第一样本像素对应的采样射线的粗-渲染结果,计算该第一样本像素的粗-损失值,
其中,基于所述多个第一样本像素各自的损失值,调整所述神经辐射场的参数,以得到训练后的神经辐射场,包括:
基于所述多个第一样本像素各自的损失值和粗-损失值,调整所述神经辐射场和所述粗-神经辐射场的参数。
15.根据权利要求9所述的方法,其特征在于,所述第一样本时刻早于所述第二样本时刻。
16.根据权利要求9所述的方法,其特征在于,针对所述多个第一样本像素中的每一个第一样本像素,确定与该第一样本像素对应的静态场景特征和动态场景特征,包括:
将与该第一样本像素对应的第一样本图像输入静态场景特征提取网络,以得到与该第一样本像素的静态场景特征;以及
将与该第一样本像素对应的第二样本图像输入动态场景特征提取网络,以得到与该第一样本像素的动态场景特征,
其中,基于所述多个第一样本像素各自的损失值,调整所述神经辐射场的参数,以得到训练后的神经辐射场,包括:
基于所述多个第一样本各自的损失值,调整所述静态场景特征提取网络和所述动态场景特征提取网络中的至少一者的参数。
17.根据权利要求9所述的方法,其特征在于,所述至少一个第一样本图像对所包括的至少一个第二样本图像中包括拍摄多个不同场景的多个第二样本图像。
18.根据权利要求17所述的方法,其特征在于,所述方法还包括:
确定拍摄相同场景的至少一个第三样本图像;
在所述至少一个第三样本图像中确定多个第二样本像素;
针对所述多个第二样本像素中的每一个第二样本像素,
从与该第二样本像素对应的第三样本图像中提取静态场景特征和动态场景特征;
基于与该第二样本像素对应的第三样本图像的第三样本视角,在与该第三样本视角对应的空间区域中确定与该第二样本像素对应的采样射线;
在与该第二样本像素对应的采样射线上确定一个或多个采样点;
针对所述一个或多个采样点中的每一个采样点,将该采样点的空间位置信息、与该第二样本像素对应的第三样本图像的第三样本视角、与该第二样本像素对应的静态场景特征以及与该第二样本像素对应的动态场景特征输入所述神经辐射场,以得到该采样点的静态密度信息、静态颜色信息、动态密度信息以及动态颜色信息;
基于所述一个或多个采样点各自的静态密度信息、静态颜色信息、动态密度信息以及动态颜色信息,得到对与该第二样本像素对应的采样射线的渲染结果;以及
基于该第二样本像素的真实值和对与该第二样本像素对应的采样射线的渲染结果,计算该第二样本像素的损失值;以及
基于所述多个第二样本像素各自的损失值,调整所述神经辐射场的参数,以得到中间神经辐射场,
其中,基于所述多个第一样本像素各自的损失值,调整所述神经辐射场的参数,以得到训练后的神经辐射场,包括:
基于所述多个第一样本像素各自的损失值,调整所述中间神经辐射场的参数,以得到所述训练后的神经辐射场。
19.一种基于神经网络的图像处理装置,其特征在于,所述装置包括:
静态场景特征提取网络,被配置为从第一图像提取静态场景特征,所述第一图像为在第一时刻从第一视角拍摄目标场景而得到的,其中,所述静态场景特征表征所述目标场景中处于静态的对象;
动态场景特征提取网络,被配置为从第二图像提取动态场景特征,所述第二图像为在不同于所述第一时刻的第二时刻从不同于所述第一视角的第二视角拍摄所述目标场景而得到的,其中,所述动态场景特征表征所述目标场景中处于动态的对象;
神经辐射场,被配置为对采样点的空间位置信息、目标视角、所述静态场景特征以及所述动态场景特征进行处理,以得到该采样点的待渲染信息,其中,所述采样点是在与所述目标视角对应的空间区域中确定的,包括:
空间信息编码子网络,被配置为基于所述采样点的空间位置信息,输出所述采样点的空间特征向量和静态密度信息;
静态场景建模子网络,被配置为基于所述采样点的空间特征向量、所述目标视角以及所述静态场景特征,输出所述采样点的静态颜色信息;以及
动态场景建模子网络,被配置为基于所述采样点的空间特征向量、所述目标视角以及所述动态场景特征,输出所述采样点的动态颜色信息和动态密度信息,其中,所述待渲染信息包括静态待渲染信息和动态待渲染信息,所述静态待渲染信息包括对应的采样点的静态密度信息和静态颜色信息,所述动态待渲染信息包括对应的采样点的动态密度信息和动态颜色信息;以及
渲染器,被配置为基于与采样射线对应的至少一个采样点各自的静态密度信息、静态颜色信息、动态密度信息以及动态颜色信息,输出对所述采样射线的渲染结果。
20.根据权利要求19所述的装置,其特征在于,所述动态场景建模子网络被配置为基于所述采样点的空间特征向量、所述目标视角以及所述动态场景特征,输出所述采样点的动态颜色信息、动态密度信息以及动态场景概率,所述动态场景概率指示所述采样点为动态场景的概率,
其中,所述渲染器被配置为基于与采样射线对应的至少一个采样点各自的静态密度信息、静态颜色信息、动态密度信息、动态颜色信息以及动态场景的概率,输出对所述采样射线的渲染结果。
21.根据权利要求19所述的装置,其特征在于,所述装置还包括:
采样网络,被配置为对在所述采样射线上确定的一个或多个预采样点各自的空间位置信息进行处理,以得到与所述采样射线对应的至少一个采样点。
22.根据权利要求21所述的装置,其特征在于,所述采样网络包括:
概率密度函数生成子网络,被配置为对所述采样射线对应的一个或多个预采样点各自的空间位置信息进行处理,以得到与所述采样射线对应概率密度函数;以及
可微分采样网络,被配置为对所述概率密度函数进行处理,以得到与所述采样射线对应的至少一个采样点。
23.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-18中任一项所述的方法。
24.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行根据权利要求1-18中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211446987.0A CN115631418B (zh) | 2022-11-18 | 2022-11-18 | 图像处理方法及装置、神经辐射场的训练方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211446987.0A CN115631418B (zh) | 2022-11-18 | 2022-11-18 | 图像处理方法及装置、神经辐射场的训练方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115631418A CN115631418A (zh) | 2023-01-20 |
CN115631418B true CN115631418B (zh) | 2023-05-16 |
Family
ID=84910446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211446987.0A Active CN115631418B (zh) | 2022-11-18 | 2022-11-18 | 图像处理方法及装置、神经辐射场的训练方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115631418B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115953520B (zh) * | 2023-03-10 | 2023-07-14 | 浪潮电子信息产业股份有限公司 | 一种虚拟场景的记录回放方法、装置、电子设备及介质 |
CN115965736B (zh) * | 2023-03-16 | 2023-06-06 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、设备及存储介质 |
CN116385643B (zh) * | 2023-04-03 | 2024-02-13 | 北京百度网讯科技有限公司 | 虚拟形象生成、模型的训练方法、装置及电子设备 |
CN116883587A (zh) * | 2023-06-15 | 2023-10-13 | 北京百度网讯科技有限公司 | 训练方法、3d物体生成方法、装置、设备和介质 |
CN117274491A (zh) * | 2023-09-22 | 2023-12-22 | 北京百度网讯科技有限公司 | 三维重建模型的训练方法、装置、设备和介质 |
CN117333609B (zh) * | 2023-12-01 | 2024-02-09 | 北京渲光科技有限公司 | 图像渲染方法、网络的训练方法、设备及介质 |
CN117765165A (zh) * | 2023-12-06 | 2024-03-26 | 之江实验室 | 一种三维重建方法、装置、存储介质及电子设备 |
CN117876346B (zh) * | 2024-01-16 | 2024-06-28 | 湖南湖大华龙电气与信息技术有限公司 | 一种绝缘子自主红外三维视觉检测方法和边缘智能装置 |
CN117746192B (zh) * | 2024-02-20 | 2024-06-28 | 荣耀终端有限公司 | 电子设备及其数据处理方法 |
CN118133883A (zh) * | 2024-05-06 | 2024-06-04 | 杭州海康威视数字技术股份有限公司 | 图采样方法、图谱预测方法及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114863007A (zh) * | 2022-05-20 | 2022-08-05 | 中国电信股份有限公司 | 三维物体的图像渲染方法、装置及电子设备 |
CN114972632A (zh) * | 2022-04-21 | 2022-08-30 | 阿里巴巴达摩院(杭州)科技有限公司 | 基于神经辐射场的图像处理方法及装置 |
CN115082639A (zh) * | 2022-06-15 | 2022-09-20 | 北京百度网讯科技有限公司 | 图像生成方法、装置、电子设备和存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2024507887A (ja) * | 2021-02-24 | 2024-02-21 | グーグル エルエルシー | 暗黙的な放射輝度関数を使用した色および赤外線3次元再構成 |
CN113706714B (zh) * | 2021-09-03 | 2024-01-05 | 中科计算技术创新研究院 | 基于深度图像和神经辐射场的新视角合成方法 |
CN113822969B (zh) * | 2021-09-15 | 2023-06-09 | 宿迁硅基智能科技有限公司 | 训练神经辐射场模型和人脸生成方法、装置及服务器 |
CN114493995A (zh) * | 2022-01-17 | 2022-05-13 | 上海壁仞智能科技有限公司 | 图像渲染模型训练、图像渲染方法及装置 |
CN114820906B (zh) * | 2022-06-24 | 2022-11-22 | 北京百度网讯科技有限公司 | 图像渲染方法、装置、电子设备及存储介质 |
-
2022
- 2022-11-18 CN CN202211446987.0A patent/CN115631418B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114972632A (zh) * | 2022-04-21 | 2022-08-30 | 阿里巴巴达摩院(杭州)科技有限公司 | 基于神经辐射场的图像处理方法及装置 |
CN114863007A (zh) * | 2022-05-20 | 2022-08-05 | 中国电信股份有限公司 | 三维物体的图像渲染方法、装置及电子设备 |
CN115082639A (zh) * | 2022-06-15 | 2022-09-20 | 北京百度网讯科技有限公司 | 图像生成方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115631418A (zh) | 2023-01-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115631418B (zh) | 图像处理方法及装置、神经辐射场的训练方法 | |
CN115147558B (zh) | 三维重建模型的训练方法、三维重建方法及装置 | |
CN114972958B (zh) | 关键点检测方法、神经网络的训练方法、装置和设备 | |
CN115578515B (zh) | 三维重建模型的训练方法、三维场景渲染方法及装置 | |
CN115578433B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN115511779B (zh) | 图像检测方法、装置、电子设备和存储介质 | |
KR102551835B1 (ko) | 능동적 인터랙션 방법, 장치, 전자 기기 및 판독 가능 기록 매체 | |
CN115239888B (zh) | 用于重建三维人脸图像的方法、装置、电子设备和介质 | |
CN117274370A (zh) | 三维位姿确定方法、装置、电子设备和介质 | |
CN115578432B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN115690544B (zh) | 多任务学习方法及装置、电子设备和介质 | |
CN115170887B (zh) | 目标检测模型训练方法、目标检测方法及其装置 | |
CN116385651A (zh) | 图像处理方法、神经网络模型的训练方法、装置和设备 | |
CN114327718B (zh) | 界面展示方法及装置、设备和介质 | |
EP4156124A1 (en) | Dynamic gesture recognition method and apparatus, and device and storage medium | |
CN115965939A (zh) | 三维目标检测方法及装置、电子设备、介质和车辆 | |
CN114071024A (zh) | 图像拍摄方法、神经网络训练方法、装置、设备和介质 | |
CN113920174A (zh) | 点云配准方法、装置、设备、介质和自动驾驶车辆 | |
CN115797455B (zh) | 目标检测方法、装置、电子设备和存储介质 | |
CN116580212B (zh) | 图像生成方法、图像生成模型的训练方法、装置和设备 | |
CN115620271B (zh) | 图像处理、模型训练方法和装置 | |
CN115331077B (zh) | 特征提取模型的训练方法、目标分类方法、装置、设备 | |
CN114821233B (zh) | 目标检测模型的训练方法及装置、设备和介质 | |
CN115512131B (zh) | 图像检测方法和图像检测模型的训练方法 | |
CN116229583B (zh) | 驱动信息生成、驱动方法、装置、电子设备以及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |