Tiny-NeRF与空间表示在三维重建中的比较
人工智能
2023-01-30 v1 计算机视觉与模式识别
机器人学
摘要
神经渲染已成为一种强大的图像合成范式，通过使用神经网络重建表面、表示形状以及合成物体或场景的新视角，相较于经典渲染具有诸多优势。在此类神经渲染中，环境被编码进神经网络。我们认为这些新表示可用于为移动机器人编码场景。因此，在本工作中，我们比较了称为tiny-NeRF的一种新兴神经渲染，与机器人学中常用作地图的其他体表示，如体素地图、点云和三角网格。目标是了解神经表示在机器人学语境下的优缺点。比较从空间复杂度和获取模型的处理时间两方面进行。实验表明，tiny-NeRF相比其他表示所需内存空间少三倍。在处理时间方面，tiny-NeRF计算模型耗时约多六倍。
引用
@article{arxiv.2301.11522,
title = {A Comparison of Tiny-nerf versus Spatial Representations for 3d Reconstruction},
author = {Saulo Abraham Gante and Juan Irving Vasquez and Marco Antonio Valencia and Mauricio Olguín Carbajal},
journal= {arXiv preprint arXiv:2301.11522},
year = {2023}
}