最近具有神经辐射场的3D感知GAN方法发展迅速。然而,当前方法将整个图像建模为整体神经辐射场,这是合成结果的部分语义编辑性。由于NERF通过像素呈现图像像素,因此可以在空间维度中拆分NERF。我们提出了一个用于语义3D感知的孢子合成和操纵的组成神经辐射场(CNERF)。cnerf将图像划分为语义区域,并学习每个区域的独立神经辐射场,并最终将它们融合并呈现完整的图像。因此,我们可以独立地操纵合成的语义区域,同时固定其他部分不变。此外,CNERF还设计为在每个语义区域内的形状和纹理。与最先进的3D感知GAN方法相比,我们的方法是细粒度的语义区域操作,同时是高质量的3D一致合成。消融研究表明了我们方法使用的结构和损失功能的有效性。此外,实际图像反转和卡通肖像3D编辑实验证明了我们方法的潜力。可用源代码:https://github.com/tianxiangma/cnerf
主要关键词