超越水下 NeRF：学习神经反射场以实现海洋图像的真实色彩校正
计算机视觉与模式识别
2023-09-01 v2 机器人学
摘要
水下图像通常由于光与水的相互作用而呈现出色彩失真，这使海洋生物学和地理学中的海底环境研究变得复杂。在本研究中，我们提出一种算法，通过联合学习介质效应和神经场景表示来恢复水下图像中的真实色彩（反照率）。我们的方法将水体效应建模为随距离衰减的光和后向散射光的组合。所提出的神经场景表示基于神经反射场模型，该模型学习水下环境的反照率、法向量和体积密度。我们引入逻辑回归模型将水体与场景分离，并在训练期间应用不同的光物理学。我们的方法通过采用若干近似避免了估计水中复杂后向散射效应的需要，提高了训练期间的采样效率和数值稳定性。所提出的技术将水下光效应集成到具有端到端可微性的体渲染框架中。在合成数据和真实数据上的实验结果表明，我们的方法能有效地从水下图像中恢复真实色彩，在色彩一致性方面优于现有方法。
引用
@article{arxiv.2304.03384,
title = {Beyond NeRF Underwater: Learning Neural Reflectance Fields for True Color Correction of Marine Imagery},
author = {Tianyi Zhang and Matthew Johnson-Roberson},
journal= {arXiv preprint arXiv:2304.03384},
year = {2023}
}
备注
Robotics and Automation Letters (RA-L) VOL. 8, NO. 10, OCTOBER 2023