Paper page - UniSHARP：通用锐化单目视图合成

来源：https://huggingface.co/papers/2606.07514

摘要

UniSHARP 通过联合特征与高斯空间对齐，将图像对齐到统一的全方位潜在空间中，从而将 SHARP 扩展为适用于不同相机系统的通用单目渲染方法。

本文致力于扩展 SHARP（一种流行的照片级真实感视图合成方法，详见 https://huggingface.co/papers?q=photorealistic%20view%20synthesis），使其实现跨连续相机系统的通用单目渲染（https://huggingface.co/papers?q=universal%20monocular%20rendering），涵盖从传统透视相机到宽视场、鱼眼以及全方位全景设置。为了克服 SHARP 基于针孔模型的假设，我们的核心思想是将各种图像对齐到一个统一的全方位潜在空间（https://huggingface.co/papers?q=omnidirectional%20latent%20space）中。为此，我们提出 UniSHARP，它在特征空间和高斯空间中执行隐式对齐。具体而言，高斯基元（https://huggingface.co/papers?q=Gaussian%20primitives）按照射线和径向距离排列在一种基于射线的通用表示（https://huggingface.co/papers?q=ray-based%20universal%20representation）中，同时从受 UniK3D 启发的编码器（https://huggingface.co/papers?q=UniK3D-inspired%20encoders）中提取的 2D 语义特征和 3D 空间特征被联合解码，生成完整的高斯云（https://huggingface.co/papers?q=Gaussian%20cloud）。为了全面评估我们的方法，我们构建了一个覆盖多种场景下不同成像系统的基准测试。该基准测试进一步按视场角（FoV）分层，以实现对通用单目渲染（https://huggingface.co/papers?q=universal%20monocular%20rendering）任务的细粒度评估。在提出的基准测试上进行的大量实验证明了 UniSHARP 的有效性，其性能大幅优于其他方法。项目页面详见：https://insta360-research-team.github.io/Unisharp-website/

查看 arXiv 页面（https://arxiv.org/abs/2606.07514）查看 PDF（https://arxiv.org/pdf/2606.07514）项目页面（https://insta360-research-team.github.io/Unisharp-website/）GitHub9（https://github.com/Insta360-Research-Team/UniSHARP）添加至收藏（https://huggingface.co/login?next=%2Fpapers%2F2606.07514）

在您的 agent 中获取本文：

hf papers read 2606.07514

没有最新 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用本文的模型0

暂无模型链接本文

请在模型 README.md 中引用 arxiv.org/abs/2606.07514 以从本页链接。

引用本文的数据集0

暂无数据集链接本文

请在数据集 README.md 中引用 arxiv.org/abs/2606.07514 以从本页链接。

引用本文的Space0

暂无 Space 链接本文

请在 Space README.md 中引用 arxiv.org/abs/2606.07514 以从本页链接。

包含本文的收藏0

暂无收藏包含本文

请将本文添加至收藏（https://huggingface.co/new-collection）以从本页链接。