IBRNet: Learning Multi-View Image-Based Rendering (CVPR2021)

 以前紹介したNeRFは，Radiance Fieldを学習することで高品質な自由視点映像を生成することが可能だが，Radiance Fieldの学習には多くの計算コストを必要とするという問題がある．そのため，解像度を上げることや大規模なシーンへの適用が難しいというスケーラビリティの問題があった．IBRNetはこのようなNeRFのスケーラビリティの問題を解決するためのアルゴリズムとなっている．

IBRNet: Learning Multi-View Image-Based Rendering
https://ibrnet.github.io/


IBRNetはNeRFなどの多くの学習ベースの自由視点画像生成アルゴリズムで必要となる対象シーン毎の学習が不要なアルゴリズムである．NeRFでは対象となるシーンの学習に十数時間から数日の時間を要していたのに対して，IBRNetでは即座に自由視点画像の生成を行うことができる．（ただし，Rendering部分はほぼ同じなので，リアルタイム処理は実現できないと思う）

基本的なアイデアは，Classicalな自由視点画像生成アルゴリズムであるImage-based renderingのように生成する視点の周辺で撮影されている画像群のみを用いて新視点画像を生成するというものである．これを実現するために，近傍の視点画像のブレンディングによってVolume Renderingに必要なRGB-σの情報を生成するネットワークを構築するというものである．ネットワークの概要は以下のようになっている．

各視点画像のカメラパラメータ（内部，外部）は既知で，各視点画像はRGBの色情報の他にU-Net上のネットワークを用いて抽出されたDense Feature fを持っている．IBRNetでは，対象となる視点から光線を飛ばし，この光線上をサンプルした点の位置，方向に対応するRGB-σの値を出力する．RGB-σの値は，まず，サンプルした点を近傍の視点画像上へ投影し対応する画像特徴を算出する．各画像特徴は局所的な特徴を表現しているが，自由視点画像を生成するためには大局的な特徴も重要であるため，画像特徴の各要素の平均μと分散vを算出しネットワークの入力にする．これにより局所的，大局的双方を考慮した特徴を抽出する．その後，この特徴をカラーの情報を算出するネットワークとDensity σを算出するネットワークにそれぞれ入力する．

Density σを算出するネットワークでは，光線上の他のサンプル点の情報も考慮するためのRay Transformerを導入している．Ray Transformerにはカメラの視点からの距離に応じてサンプル点をソートし入力する．これにより，物体の境界部分（オクルーディングバウンダリ）においてアーティファクトが生じるのを防ぐことが出来るようになるらしい．

overview_image

一方，色情報を生成するネットワークでは，対象となる視点の方向と近傍視点画像の撮影方向の差Δdに基づいてブレンディングの重みを算出するネットワークを学習する．これにより，新視点からの見た目に近い画像が優先的に利用されるようになる．

IBRNetでは，シーン毎の学習をせずにNeRFと同様にRadiance Fieldを取得することが可能だが，対象となるシーンに対してFine Tuningすることもできる．学習無しでも，NeRFに匹敵するような品質の画像を生成することが出来るが，Fine TuningすることによりNeRFよりも高品質な画像を生成することが可能になる．以下の結果画像でOursが対象となるシーンでの学習無し，OursftがFine Tuningした結果となっている．Fine Tuningすることで，より詳細な画像を生成することが出来ている．



コメント

コメントを投稿

このブログの人気の投稿

COLMAPでキャリブレーション済みのデータを使う

イメージ
COLMAPで三次元復元を行う際に既知のカメラパラメータを利用する方法についてメモしておく。多くの場合、SfMでカメラパラメータも含めて推定することで十分だが、例えばCMUの Panoptic dataset のようにカメラキャリブレーション結果が提供されているようなものに対して、COLMAPを適用してみたい場合は提供されているカメラパラメータを利用する方が良い場合がある。実際に、Panoptic datasetでCOLMAPを実行するとマッチングが上手くいかず推定に失敗する場合が多くある。 既知のカメラパラメータを利用する方法については、COLMAPのFAQの中で回答があるので、ここにある通りにcamera.txt, images.txt, point3D.txtを準備すると良い。 Reconstruct sparse/dense model from known camera poses https://colmap.github.io/faq.html#reconstruct-sparse-dense-model-from-known-camera-poses 以下はCOLAMPで画像群を読み込み、特徴点の対応関係の取得まで終わっている（マッチング結果のデータベースhogehoge.dbがある）ことを前提としている。 camera.txtの生成 camera.txtには各カメラのカメラモデルおよびカメラ内部パラメータを記載する。フォーマットは以下の通り。 カメラID カメラモデル 解像度x 解像度y fx fy cx cy 歪パラメータ 内部パラメータの表現については利用するカメラモデルに依存するので、以下のURLを参照しながら必要に応じて使い分ける。 Camera Models https://colmap.github.io/cameras.html camera_models.h https://colmap.github.io/cameras.html image.txtの生成 image.txtには各画像に対応するカメラ外部パラメータを記載する。フォーマットは以下の通り。 画像ID qw qx qy qz tx ty tz カメラID　画像ファイル名 ここで(qw, qx, qy, qz)は3次元回転のクウォータニオン表現で(tx, ty, tz)は
続きを読む

5点アルゴリズムによるカメラ位置・姿勢の推定

2枚の画像間のカメラ位置・姿勢を推定する際に、それぞれの画像を撮影したカメラの内部パラメータが既知の場合には5点アルゴリズムが利用できる。OpenCVにも5点アルゴリズムでカメラ位置・姿勢を推定するための関数 cv::findEssentialMat が用意されている。 使い方は、対応点の座標を以下のように指定するだけ。 cv::Mat essentialMat = cv::findEssentialMat(p1, p2); ただし、デフォルトでは焦点距離1.0、画像中心座標(0, 0)で計算するようになっているので、下記のコードのように内部パラメータ行列を用いて座標変換を行うか焦点距離、画像中心座標を指定する必要がある。座標変換を行わずに利用したい場合は、焦点距離、画像中心座標を第3,4引数に設定すれば良い。 推定したEssential Matrixからカメラの並進と回転を求めるためには、 cv::recoverPose で並進ベクトルと回転ベクトルに分解することができる。 以下のように、2枚の画像から対応点を求めて、5点アルゴリズムでカメラ位置・姿勢を推定することができる。 #include <iostream> #include <vector> #include <opencv2/opencv.hpp> #include <opencv2/nonfree.hpp> int main(int argc, char** argv) {   cv::initModule_nonfree(); //モジュールの初期化   //カメラパラメータの読み込みとレンズ歪の除去   cv::Mat img1; //入力画像1   cv::Mat img2; //入力画像2   cv::Mat K;   cv::Mat distCoeffs;   cv::FileStorage fs("camera.xml", CV_STORAGE_READ);   fs["intrinsicMat"] >> K;   fs["distCoeffs"] >> distCoeffs;   cv::undistort(cv::imrea
続きを読む

2D-3D対応からのカメラ位置・姿勢の推定

画像からの三次元復元処理や拡張現実感のための位置合わせ処理において、画像を撮影したカメラの位置・姿勢が必要になることがある。ここでは、カメラの内部パラメータ（焦点距離、画像中心座標、アスペクト比など）は既知とし、カメラの外部パラメータ（並進と回転）を求める方法を紹介する。 カメラの位置・姿勢は、三次元位置が既知の点Pとその画像上での観測座標pの複数の対応から求めることが出来る。このような問題はPerspective-n-Pont Problem（PnP問題）として知られている。OpenCVにはPnP問題を解くための関数cv::SolvePnPが用意されている。この関数の入力は三次元位置が既知の点の配列(objectPoints)とその画像上での観測座標の配列(imagePoints)、カメラの内部パラメータ行列、歪係数を入力とし、カメラの外部パラメータ（回転ベクトル、並進ベクトル）を推定する。 対応点の組み合わせに誤対応が含まれている場合は、cv::SolvePnPRansacを用いることでロバスト推定手法であるRANSACを用いた誤対応の排除が可能である。 また、推定手法としてLevenberg-Marquardt法による最適化(cv::ITERATIVE)や高速な推定手法であるEPnP(cv::EPNP)を選択することができる。経験的にはcv::ITERATIVEの方が安定した推定を実現できるように思う。 さらに、回転ベクトル、並進ベクトルの初期値が得られている場合には、第7引数をtrueにし、出力用のrvec, tvecに値を設定しておくことで、最適化の際の初期値として使用することができる。拡張現実感などの場合には、直前のフレームでの推定結果などを初期値として用いることで推定結果の安定性を向上させることができる。 #include <iostream> #include <vector> #include <opencv2/opencv.hpp> void genRT(cv::Mat& rvect, cv::Mat& tvect); void getCorrespondingPairs(cv::Mat K, cv::Mat d, cv::Mat rvec, cv::Mat tvec, std:
続きを読む