Bayes' Rays：神经辐射场的不确定性量化
计算机视觉与模式识别
2023-09-07 v1
摘要
神经辐射场（NeRFs）在视图合成与深度估计等应用中展现出前景，但从多视图图像中学习面临固有不确定性。当前量化这些不确定性的方法或是启发式的，或计算开销大。我们引入 BayesRays，一个事后框架，用于在任何预训练 NeRF 中评估不确定性而无需修改训练过程。我们的方法利用空间扰动与贝叶斯 Laplace 近似建立体积不确定性场。我们从统计上推导了算法，并展示了其在关键指标与应用中的优越性能。额外结果见：https://bayesrays.github.io。
引用
@article{arxiv.2309.03185,
title = {Bayes' Rays: Uncertainty Quantification for Neural Radiance Fields},
author = {Lily Goli and Cody Reading and Silvia Sellán and Alec Jacobson and Andrea Tagliasacchi},
journal= {arXiv preprint arXiv:2309.03185},
year = {2023}
}