CoARF：用于辐射场的可控 3D 艺术风格迁移
CoARF: Controllable 3D Artistic Style Transfer for Radiance Fields
AI总结：
本文提出 CoARF 算法，通过分割掩码与标签相关损失函数实现指定对象、组合式及语义感知的可控 3D 场景风格迁移，并引入语义感知最近邻匹配算法提升迁移质量。
摘要：
创建艺术 3D 场景可能非常耗时，并且需要专业知识。为了解决这一问题，最近的一些工作（如 ARF）采用基于辐射场的方法并结合风格约束，来生成类似于用户提供的风格图像的 3D 场景。然而，这些方法缺乏对生成场景的细粒度控制。在本文中，我们引入了 Controllable Artistic Radiance Fields (CoARF)（可控艺术辐射场），这是一种用于可控 3D 场景风格化的新算法。CoARF 支持对指定对象进行风格迁移、组合式 3D 风格迁移以及语义感知的风格迁移。我们通过使用分割掩码结合不同的标签相关损失函数来实现可控性。我们还提出了一种语义感知的最近邻匹配算法，以提高风格迁移质量。我们的大量实验表明，CoARF 提供了用户指定的风格迁移可控性，并通过更精确的特征匹配实现了卓越的风格迁移质量。
英文摘要：
Creating artistic 3D scenes can be time-consuming and requires specialized knowledge. To address this, recent works such as ARF, use a radiance field-based approach with style constraints to generate 3D scenes that resemble a style image provided by the user. However, these methods lack fine-grained control over the resulting scenes. In this paper, we introduce Controllable Artistic Radiance Fields (CoARF), a novel algorithm for controllable 3D scene stylization. CoARF enables style transfer for specified objects, compositional 3D style transfer and semantic-aware style transfer. We achieve controllability using segmentation masks with different label-dependent loss functions. We also propose a semantic-aware nearest neighbor matching algorithm to improve the style transfer quality. Our extensive experiments demonstrate that CoARF provides user-specified controllability of style transfer and superior style transfer quality with more precise feature matching.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
