基于神经辐射场的贝叶斯单目深度细化
计算机视觉与模式识别
2026-03-09 v2 图形学
机器学习
机器人学
摘要
单目深度估计在许多领域都有应用，如自动导航和扩展现实，使其成为计算机视觉中的关键任务。然而，当前方法常常产生平滑的深度图，缺乏准确场景理解所需的细微几何细节。我们提出 MDENeRF，一个迭代框架，用于通过神经辐射场 (NeRF) 的深度信息细化单目深度估计。MDENeRF 包含三个组件：(1) 用于全局结构的初始单目估计、(2) 在扰动视点上训练的具有 per-pixel 不确定性的 NeRF、(3) 对噪声单目深度与 NeRF 深度的贝叶斯融合。我们从体渲染过程中推导 NeRF 不确定性，以迭代注入高频细节。与此同时，我们的单目先验保持全局结构。我们在 SUN RGB-D 数据集的室内场景上 demonstrate 了关键指标和实验的改进。
引用
@article{arxiv.2601.03869,
title = {Bayesian Monocular Depth Refinement via Neural Radiance Fields},
author = {Arun Muthukkumar},
journal= {arXiv preprint arXiv:2601.03869},
year = {2026}
}
备注
IEEE 8th International Conference on Algorithms, Computing and Artificial Intelligence (ACAI 2025)