Дрифт-НЕРФ: Кросс-Рэй Плотность Драйфинга для полей Спарсе-Вью Невраль

arXiv:2610.29106v1 Annualce Type: новый резюме: Neural Radianance Filds (NERF) синтезирует фотореалистичные новые взгляды из плотных коллекций изображений, но резко ухудшается при наличии небольшого числа просмотров. Мы причисляем конкретный, поддающийся измерению дефект к самой цели: объём потери является суммой над независимыми лучами и не содержит термина, сравнивающего плотность различных излучений в одной области пространства, так что близлежащие 3D точки могут урегулировать противоречивую плотность, пока каждый тренировочный пиксель воспроизведен правильно. Мы делаем это количество явным, измеряя расхождения в плотности лучей непосредственно во время обучения и показываем, что оно остается высоким в ванильном NERF, падает лишь случайно под частотной корректировкой и движется вместе с качеством удерживаемых в ограниченном режиме. Затем мы закрываем проем с помощью DriftNeRF, регулировщика, который привязывает дрифтерное поле к образцам плотности: маскированная экспоненциальное ядро агрегирует плотность в соседних точках на других лучах