BAD-NeRF：束调整去模糊神经辐射场
计算机视觉与模式识别
2023-06-27 v2
摘要
神经辐射场（NeRF）近年来受到了相当多的关注，因为在给定一组带位姿的相机图像时，它在照片级真实感三维重建和新视角合成方面具有令人印象深刻的能力。早期工作通常假设输入图像质量良好。然而，图像退化（例如低光条件下的图像运动模糊）在真实场景中也很容易发生，这会进一步影响 NeRF 的渲染质量。在本文中，我们提出了一种新颖的束调整去模糊神经辐射场（BAD-NeRF），它对严重的运动模糊图像和不准确的相机位姿具有鲁棒性。我们的方法对运动模糊图像的物理图像形成过程进行建模，并联合学习 NeRF 的参数以及在曝光时间内的相机运动轨迹。在实验中，我们表明通过直接建模真实的物理图像形成过程，BAD-NeRF 在合成和真实数据集上都取得了优于先前工作的性能。代码和数据可在 https://github.com/WU-CVGL/BAD-NeRF 获取。
引用
@article{arxiv.2211.12853,
title = {BAD-NeRF: Bundle Adjusted Deblur Neural Radiance Fields},
author = {Peng Wang and Lingzhe Zhao and Ruijie Ma and Peidong Liu},
journal= {arXiv preprint arXiv:2211.12853},
year = {2023}
}
备注
Accepted to CVPR 2023, Project page: https://wangpeng000.github.io/BAD-NeRF/