AquaNeRF：基于神经辐射场的 underwater 媒体渲染与干扰物去除
计算机视觉与模式识别
2025-07-10 v1
摘要
神经辐射场（NeRF）研究在野外捕获的静态视频内容建模方面取得了显著进展。然而，当前模型和渲染过程很少考虑水下捕获的场景，这些场景对于研究和拍摄海洋生物具有重要价值。它们未能解决水下场景特有的视觉伪影问题，如漂浮的鱼类和悬浮颗粒。本文引入一种新颖的 NeRF 渲染器和优化方案，用于隐式 MLP 基于 NeRF 模型。我们的渲染器通过为每条射线估计单个表面来减少漂浮物和移动物体对感兴趣的静态物体的干扰。我们采用带小偏移量的高斯权重函数，以确保周围介质的透射率保持恒定。此外，我们通过基于深度的缩放函数来提升近摄像体积的梯度。总体而言，我们的方法在 PSNR 上优于基线 Nerfacto 约 7.5%，优于 SeaThru-NeRF 约 6.2%。主观评估也显示在保留静态目标和背景细节的同时，显著减少了图像伪影。
引用
@article{arxiv.2502.16351,
title = {AquaNeRF: Neural Radiance Fields in Underwater Media with Distractor Removal},
author = {Luca Gough and Adrian Azzarelli and Fan Zhang and Nantheera Anantrasirichai},
journal= {arXiv preprint arXiv:2502.16351},
year = {2025}
}
备注
Accepted by 2025 IEEE International Symposium on Circuits and Systems