BAA-NGP：束调整加速神经图形基元
计算机视觉与模式识别
2024-04-16 v4
摘要
隐式神经表示已成为机器人感知的关键，使机器人能够从 2D 图像理解 3D 环境。给定一组相机位姿及相应图像，这些模型可被训练以合成新颖的、未见过的视图。为了在动态环境中成功导航与交互，机器人需要通过对实时视频片段的 3D 场景与相机位姿的无辅助重建来驱动对其空间 surroundings 的理解。现有方法如 COLMAP 和束调整神经辐射场方法由于特征匹配、密集点采样以及具有大量参数的多层感知机结构训练的高计算需求，需要数小时至数天来处理。为应对这些挑战，我们提出了一种称为束调整加速神经图形基元（BAA-NGP）的框架，其利用加速采样与哈希编码来加快自动位姿细化/估计和 3D 场景重建。实验结果表明，与其他束调整神经辐射场方法相比，速度提升 10 至 20 倍，且不牺牲位姿估计质量。github 仓库可在此处找到 https://github.com/IntelLabs/baa-ngp。
引用
@article{arxiv.2306.04166,
title = {BAA-NGP: Bundle-Adjusting Accelerated Neural Graphics Primitives},
author = {Sainan Liu and Shan Lin and Jingpei Lu and Alexey Supikov and Michael Yip},
journal= {arXiv preprint arXiv:2306.04166},
year = {2024}
}