IRIS:隐式神经场实现无位姿监督的新视角合成,入选 ACM MM 2026
zhenjun_zhao · x · 2026-09-17
国防科技大学团队提出 IRIS,一个全自监督的无位姿新视角合成(NVS)框架,被 ACM Multimedia 2026 接收。
- 问题:无位姿多视角图像做新视角合成时,模型需同时学习场景表示与相机参数。现有方法两极分化:隐式潜空间渲染灵活易优化但相机估计缺乏几何锚定;显式 3D 表示几何约束强但参数化重、优化脆弱。
- 方法:取中间路线——把场景表示为 latent neural field。参考视图投影特征在采样的 3D 点上聚合成逐点潜特征,再沿目标光线组合渲染。相机由模型自预测,无需位姿标注。
- 结果:在完全自监督条件下,同时取得较强的新视角合成质量与有竞争力的位姿精度。
技术路线:参考视图 → 投影特征 → 采样 3D 点 → 逐点潜特征 → 渲染。
「研究」频道最新
- Schmidhuber 亲自确认：1993 年已解决神经网络自参考问题 — SchmidhuberAI · 2026-09-17
- 稀疏注意力进展迅猛，HISA 被指融合 DSA 与 NSA 优点 — teortaxesTex · 2026-09-17
- Paradigm 提案重构科研交流,以黎曼猜想为例探讨成果共享 — tensorqt · 2026-09-17
- VLA 模型面临语言用量、评测、部署与因果推理等多重挑战 — abursuc · 2026-09-17
- LADA:用潜动作标注低成本模仿语言功能,拆难题为两步 — abursuc · 2026-09-17
- #ssad2026 演讲附赠 Latent Action Models 入门讲解 — abursuc · 2026-09-17