Ref-NeRF

介绍

NeRF在镜面反射上，有着许多artifacts，有两个原因。一个是，用外向辐射作为视角，不好插值；另一个是，NeRF会用各向同相的内部光源来假装镜面反射，结果是半透明或雾状的artifacts。

Ref-NeRF用反射光作为输入，因为表面的取向不影响它，因此MLP能在上面更好地插值。

一个问题是，反射光需要找法向量，而NeRF生成的geometry不够好，上面的法向量噪声过多。Ref-NeRF在volume density上加了一个新的正则化器，激励volume density集中在表面上，同时获得更好的法向量。

Structured View-Dependent Apperance

反射光

用入射光和法向量求反射光（入射光其实是发射的）

Integrated Directional Encoding

在现实中，辐射不能仅仅用反射方向来表示，考虑到粗糙和光滑材质的区别，引入了Integrated Directional Encoding (IDE) 让MLP能表示材质的粗糙度。

首先，不用sin函数做encoding了，改用一系列球谐函数，保证了球面上的不变性。

接下来，用encode反射向量分布的方法，让MLP可以推理材质粗糙度，并引入参数\(\kappa\)表征粗糙度。

漫反射和镜面反射颜色

通过解耦漫反射和镜面反射的组成，进一步简化外向辐射的函数。根据定义，漫反射颜色只与位置有关，将真实颜色拆解为

其中\(\mathbf{c}_d\)是漫反射颜色，\(\mathbf{s}\)是spatial MLP输出颜色，\(\mathbf{c}_s\)是directional MLP输出颜色。

额外的自由度

将spatial MLP的输出b，作为directional MLP的输入，让它更好地表征位置变化带来的影响。

准确的法向量

好的反射向量，依赖于好的法向量，然而NeRF出来的volume density很凌乱，而且NeRF会用内部各向同性的光源来假装反射光，这是一个局部最优解。

为了解决第一个问题，即法向量噪声多的问题，Ref-NeRF使用预测的法向量来计算反射方向，从spatial MLP中得到一个三维向量，正则化以后作为预测的法向量。MLP预测的法向量比梯度算出来的更光滑，因为梯度算子在MLP的插值卷积核上是一个高通滤波器的作用。

为了解决第二个问题，使用正则函数来惩罚雾状表面，从而避免NeRF用藏在半透明面后的内部发光源来解释镜面反射。