目前大多数NeRF模型要么通过使用大型模型来实现高精度，要么通过牺牲精度来节省内存资源。这使得任何单一模型的适用范围受到局限，因为高精度模型可能无法适应低内存设备，而内存高效模型可能无法满足高质量要求。为此，本文研究者提出了SlimmeRF，一种在测试阶段随时（即不需要对模型进行重新训练）通过动态压缩实现模型大小与精度之间权衡的模型，从而使模型同时适用于不同计算预算的场景。实验结果显示，SlimmeRF在不进行动态压缩时能够达到 SOTA 级别的精度，同时动态压缩时的效果明显好于基于 TensoRF 的基准模型。
论文题目：
SlimmeRF: Slimmable Radiance Fields
论文链接：
https://arxiv.org/abs/2312.10034
代码链接：
https://github.com/Shiran-Yuan/SlimmeRF
一、简介
辐射场（Radiance Fields）是一种通过神经网络等方法对3D场景进行建模的方法。我们观察到，在实际应用中，往往存在一个问题：效果较好的辐射场模型会对内存等资源要求较高，因此难以应用于资源较为稀缺的应用场景；相反，比较节省内存资源、算力资源等的模型则可能效果不佳。
因此，当需要训练能够兼容高负载能力与低负载能力环境的模型时，就只能采用后者，因为前者无法在低负载能力环境中运行。然而实际情况是，往往高负载能力的环境也有较高对模型效果的需求，而低负载能力的环境则对模型效果需求不高，因此前述的方法不符合高负载能力环境下的需求。因此，如果能够训练出能够在高负载能力环境下取得极佳效果，同时在低负载能力环境下也能牺牲效果成功运行的模型，就可以同时满足这两种需求。
为了解决该问题，本文提出，应当让辐射场模型能够拥有可动态压缩性（Slimmability）。我们提出的 SlimmeRF 模型基于低秩张量近似（Low-Rank Tensor Approximation）对场景进行建模，在不被动态压缩（Slim）的情况下建模精度能够达到 SOTA 等级，同时还能在测试阶段随时（即不需要对模型进行重新训练）通过动态压缩减小模型大小，牺牲精度来满足更严格的环境负载能力要求。
技术方面，我们受张量辐射场（TensoRF）启发，利用矩阵-向量张量分解（VM 分解，Vector-Matrix Tensor Decomposition）建模3D场景的密度（Density）与外观（Appearance）。同时，为了使模型中的张量具备可进行低秩张量近似的性质，我们提出了张量增秩算法（TRaIn, Tensorial Rank Incrementation），用于进行训练。实现中，我们在训练时通过对张量进行遮罩（Masking）来模拟张量秩的变化，而测试时直接对分解后的成分（Factors）进行截断（Truncation）。
实验结果显示，SlimmeRF 中张量分解成的不同成分间出现了“分工”，由对应秩较低的成分对于大致轮廓、颜色等进行建模，而对应秩较高的成分则对于细节进行建模。我们的模型在不进行动态压缩时能够达到 SOTA 级别的精度（这一点许多其他可压缩与低内存消耗模型都无法做到），同时动态压缩时的效果明显好于基于 TensoRF 的基准模型（Baseline）。我们还在稀疏输入（Sparse Input）的场景下进行了实验，发现 SlimmeRF 的可动态压缩性提升了很多，并且在特定视角下效果好于专门用于稀疏输入的模型。
二、方法
2.1 问题表述
2.2 张量增秩算法
接下来需要解决的问题是确认增加动态秩的条件。直觉上，应当在模型损失（Loss）变化较小，也就是快收敛的时候，增加动态秩。然而，实验显示很难确定模型何时收敛，因为损失往往会有很不稳定的浮动。同时，重复等待模型收敛也会导致训练速度显著变慢。我们反其道而行之，在损失浮动较大的时候增加动态秩，因为这样能够在模型训练过程中最需要更多建模能力时及时增加参数量。
具体 MSE 损失计算方式如下（即上图中的公式 (5)）：
最终达成的效果如下图所示。可以看到，不同的成分之间产生了“分工”，先进入训练的成分（其开始训练时对应的秩较低）捕捉到了大致结构，而后进入的成分则对于细节进行了“打磨”。
2.3 遮罩训练与截断测试
三、实验
3.1 与 TensoRF 基准对比
我们直接对于使用类似表示结构的 TensoRF 进行截断来作为基准，将其结果与参数量相同的 SlimmeRF 进行对比，定量、定性结果分别如下图所示。可以看到，我们的模型效果明显远好于基准，说明了 TRaIn 算法的作用。
3.2 与 SOTA 模型对比
我们与 SOTA 模型 Plenoxels、DVGO、TensoRF 进行了对比，定量结果如下表所示。与 TensoRF 的定性对比如下图所示。结果说明，我们的模型在不进行动态压缩时能够达到 SOTA 级的效果，不会以牺牲效果为代价，只有在进行动态压缩后才会牺牲效果。
3.3 与可压缩模型/低内存消耗模型对比
我们将 SlimmeRF 与 TensoRF、CCNeRF、MWR (Masked Wavelet Representation)、TinyNeRF、PlenVDB 等以可压缩或低内存消耗为主要优势的模型进行了对比，结果如下图所示。其中，除了 CCNeRF 以外均没有可动态压缩性，仅仅作为参考。
3.4 稀疏输入实验
我们将 SlimmeRF 与用于稀疏输入场景的 SRF、PixelNeRF、MVSNeRF、mip-NeRF、DietNeRF、Reg-NeRF 等模型进行了对比，定量结果如下表所示。与 Reg-NeRF 在一些视角下的定性对比如下图所示。SlimmeRF 并不是稀疏输入模型，没有对场景的几何构造进行重建，因此效果并没有稳定超越其它方法；但定性实验表明，SlimmeRF 在稀疏输入场景下效果很好，在特定视角下甚至可以超越专用于稀疏输入场景的模型；同时，定量结果表明，SlimmeRF 在稀疏输入场景下可动态压缩性极佳，在模型大小缩小时效果不会变差很多，甚至在输入视角较少的时候会出现模型大小越小，模型效果越好的情况。
3.5 消融实验与参数敏感性分析
3.6 与BCD基准对比
我们尝试实现了基于前述 BCD 算法的模型，但训练过程中模型损失与精度浮动极大，因此我们没有获得可展示的结果。这体现出了我们采用原创算法进行训练的必要性。
四、结语
我们工作的主要贡献在于提出并实现了神经辐射场的可动态压缩性（Slimmability），同时为神经辐射场研究提供了低秩张量近似与秩增训练的新思路。在未来，我们会进一步将这一工作拓展到4D等其它场景，并将其应用化。
Illustration From IconScout By Delesign Graphics
快抢沙发！
