인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
Neural Radiance Fields (NeRF) shows impressive results in novel view synthesis under normal illumination. However, in low-light scenes, the limited pixel values reduce the influence of volume density in rendering, leading to inaccurate radiance field learning. To address this issue, we propose a Density-Driven NeRF that improves performance in low-light conditions. Our method uses a pre-trained NeRF on normal-light images as a density teacher and applies the L2 loss to encourage the student network to match the teacher’s predicted density. This leads to accurate volume rendering despite limited visual cues. Experimental results on synthetic low-light datasets show that our approach improves RGB image quality evaluated by PSNR, SSIM and LPIPS, and yields better geometric consistency assessed by RMSE and δ-accuracy of the predicted density.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-093823921
