摘要

我们提出GAUDI，一种能够捕捉复杂且逼真三维场景分布的生成模型，该模型支持从运动相机视角进行沉浸式渲染。针对这一具有挑战性的问题，我们采用了一种可扩展且强大的方法：首先优化一个潜在表示，以解耦辐射场与相机位姿；随后，利用该潜在表示学习一个生成模型，从而实现三维场景的无条件生成与条件生成。与以往仅聚焦于单个物体的研究不同，GAUDI摒弃了“相机位姿分布可在不同样本间共享”的假设，显著提升了模型的泛化能力。实验结果表明，GAUDI在多个数据集上均实现了无条件生成任务的当前最优性能，并能够基于条件变量（如稀疏图像观测或描述场景的文本）实现三维场景的条件生成。