干货！ CVPR：基于VDB的高效神经辐射渲染场

点击蓝字

关注我们

AI TIME欢迎每一位AI爱好者的加入！

作者介绍

严 涵

上海交通大学2019级人工智能专业本科生，研究兴趣主要是与NeRF相关的三维重建算法。

报告题目

基于VDB高效神经辐射渲染场

内容简介

01

NeRF

NeRF的提出起初主要是为了解决新视⻆生成的任务，根据一些在不同视⻆下拍出的照片，希望能够获得未⻅过的视⻆下的图像。NeRF提出用隐函数来建模场景，即MLP，输入一个空间点的坐标和视⻆方向，可以输出这个点的密度和对应的颜色，通过体渲染技术对一条射线上的颜色进行加权积分，得到对应的像素值，从而建立3D到2D的关系，实现仅通过2D图像便可以监督3D场景的生成。使用MLP来连续的建模场景，相比于传统的点云或者体素等方法，渲染的分辨率不受限，并且存储占用小。

02

Limitation

但是基于MLP的方法也存在一些局限性，比如会导致NeRF的训练和渲染速度较慢。主要的原因在于渲染一个像素值对应了一条射线，同时对应于要渲染射线上的上百个采样点，即要访问神经网络上百次。这种昂贵的时间成本导致了NeRF的应用受到限制，所以很多工作都开始探索NeRF加速的方法。一类方法利用了场景的稀疏性，比如在真实世界的场景中很大一部分都是空气，而位于空气中的采样点实际上不需要进行神经网络访问。于是，研究者们将有意义的场景信息预先存储在稀疏的数据结构中，比如下图工作中采用了八叉树，只将有意义的点的数据保存在树的叶子节点上，从而实现高效的存储和渲染，但是这种方法往往需要先训练一个NeRF，再将NeRF转化为这些稀疏数据结构，因此训练效率不够理想。

为了加速训练，人们采用3D网格来保存信息，比如DVGO，直接在Dense Grid上学习场景信息，这种方式可以将耗时的神经网络访问变为快速的内存访问，从而实现快速的训练和渲染。但是，Dense Grid的缺点是空间占用太大，并且随分辨率呈立方级的增⻓，因此很难将其应用于移动设备中。

由于算力资源等限制，目前，对于在移动设备端运行NeRF的问题仍然没有很好的解决方法。MobileNeRF通过将NeRF表示为一组有纹理的多边形，使得可以直接应用于传统的渲染管道，从而实现在移动设备端的实时渲染。但是，它的训练过程仍然很慢，并且由于是假设为mesh的表征，无法处理透明物体。

03

Pipline

所以，我们就提出了基于VDB的高效数据表征，通过设计一个训练策略，直接在VDB数据结构上学习场景信息，不仅可以加速训练和渲染，而且由于其具有稀疏性的良好性能，存储占用不大。此外，因为VDB是在影视界经过验证的成熟数据结构，拥有丰富的生态，能够在手机端高效运行。

04

VDB

我们采用VDB数据结构主要是因为它具有两个优势，它既有Dense Grid的灵活性，又有稀疏数据的存储高效性。对于使用者来说，它可以完全被看作一个Dense Grid，输入任意的坐标，它可以快速地返回对应值甚至邻居值。

而对于开发者来说，它实际上是一个4层的B+树，简单来说，有两个概念，一个是值，一个是状态。值就相当于我们所需要的数据，它只存储在叶子结点上，比如下图中的棕色部分；状态类似于Mask，反映这个结点的值是否是感兴趣的，在一定程度上反映了稀疏性。因为它是固定的四层树，所以对叶子结点的访问很快，此外，为了支持快速的邻居访问，它设计了缓存机制，即图中的accessor，它的容量和树的深度相同，它会缓存单次搜索中所有被访问的节点，并且在下一次访问时，会先自底向上地检查其中的节点，对于邻居节点的访问，往往在第一次检查时便命中，于是节省了从根节点重新搜索的时间。这个特性也意味着它非常适合执行三线性插值和ray marching等算法。

05

PlenVDB

基于上述优势，我们以DVGO作为baseline，将它的Dense Grid改为VDB。总体来讲，即用两个VDB分别存储密度和颜色，通过coarse-to-fine的训练策略来学习精细的场景信息。

具体来说，一方面，我们设计了三类VDB，分别储存数据，梯度和优化器参数，来支持直接在VDB上优化场景，得益于VDB在随机访问和三线性插值上的优势，可以实现训练过程的加速。

另一方面，基于Cuda编程，我们将DVGO的渲染方法改为两次ray marching算法，第一次访问存储密度的VDB，来筛选出包含场景信息的有效点，第二次访问存储颜色的VDB，获得对应的颜色特征向量，最后通过轻量的MLP得到最终的像素值，以此来加速渲染。

此外，我们进一步压缩，将两个VDB合并，用一个VDB存储索引值来指向对应的密度和颜色，从而减少拓扑上的冗余，以实现高效的存储。

06

Result

在实验部分，我们首先做了不同数据结构的对比，分别是PlenOctrees的八叉树、Plenoxels的近似于Dense Grid的表示方式，和我们的基于VDB的表示。虚线反映了对邻居节点访问时的搜索路径，由于accessor的存在，VDB可以免于从根结点重新搜索的冗余。对于不同分辨率的场景，我们用ray marching的方式在一条射线上通过三线性插值来访问800个点并计算耗时。为了公平起⻅，我们首先训练好一个Plenoxels的模型，然后将他转化为octree和VDB的形式。实验结果显示，VDB在时间和存储效率上都进行了平衡。

下图是本文方法和其他方法在训练速度上的对比，可以看出我们的方法相比Nerf有很大提升，仍然在第一梯队。

下图反映了我们的方法与不同模型在训练时间、渲染速度、模型大小和渲染质量上的对比。相比baseline DVGO来说都有一定程度上的提升。值得说明的是，PlenOctrees和Plenoxels采用的是球谐系数的方式，从而无需MLP，因此在渲染速度上能够达到很快。但是在渲染质量和模型大小上不如我们所提方法渲染出来的模型。此外，如果用我们的模型来存储球谐系数，也能达到如此高的渲染速度。

下表是消融实验的结果，可以看出通过将两个VDB合并为一个的方式可以进一步减小存储占用以及加快渲染速度。经过可视化的结果显示，与DVGO相比，渲染速度和内存占用都有4-5倍的提升。

07

Conclusion

1.我们提出了PlenVDB，它建立在VDB的基础上，是一种层级的稀疏体数据结构；

2. 实验结果表明，我们的模型在训练速度，渲染速度和存储开销上达到了较好的平衡效果；

3. 我们提出了一种直接从输入图像中学习VDB数据的训练策略，这使得训练的速率加快；

4. 训练好的VDB模型可以导出为NanoVDB格式用于传统的图形渲染管线。

08

Reference

[1] Ben Mildenhall, Pratul P Srinivasan, Matthew Tancik, Jonathan T Barron, Ravi Ramamoorthi, and Ren Ng. Nerf: Representing scenes as neural radiance fields for view synthesis. In Proc. ECCV, 2020.

[2] Alex Yu, Ruilong Li, Matthew Tancik, Hao Li, Ren Ng, and Angjoo Kanazawa. PlenOctrees for real-time rendering of neural radiance fields. In ICCV, 2021.

[3] Cheng Sun, Min Sun, and Hwann-Tzong Chen. Direct voxel grid optimization: Super-fast convergence for radiance fields reconstruction. In CVPR, 2022.

[4] Zhiqin Chen, Thomas Funkhouser, Peter Hedman, Andrea Tagliasacchi. MobileNeRF: Exploiting the Polygon Rasterization Pipeline for Efficient Neural Field Rendering on Mobile Architectures. In arXiv:2208.00277.

[5] Ken Museth. 2021. NanoVDB: A GPU-Friendly and Portable VDB Data Structure For Real-Time Rendering And Simulation. In ACM SIGGRAPH 2021 Talks.

[6] Ken Museth. Vdb: High-resolution sparse volumes with dynamic topology. ACM Trans. Graph., 2013.

[7] Sara Fridovich-Keil and Alex Yu, Matthew Tancik, Qinhong Chen, Benjamin Recht, and Angjoo Kanazawa. Plenoxels: Radiance fields without neural networks. In CVPR, 2022.

整理：陈研

审核：严涵

提

醒

点击“阅读原文”跳转到20:38可以查看回放哦！

往期精彩文章推荐

记得关注我们呀！每天都有新知识！

 关于AI TIME 

AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。

迄今为止，AI TIME已经邀请了1000多位海内外讲者，举办了逾550场活动，超600万人次观看。

我知道你

在看

哦

~

点击 阅读原文 查看回放！