BirdNeRF: 基于航空影像的大规模场景快速神经重建
计算机视觉与模式识别
2024-02-13 v2
摘要
在本研究中,我们介绍了 BirdNeRF,这是神经辐射场(NeRF)的一种改进,专门设计用于利用航空影像重建大规模场景。以往的研究侧重于小规模和以对象为中心的 NeRF 重建,而我们的方法解决了多个挑战,包括:(1)解决与大模型相关的训练和渲染缓慢的问题。(2)满足对大量图像进行建模所带来的计算需求,这需要高性能 GPU 等大量资源。(3)克服由于模型容量有限而在大规模重建任务中常见的显著伪影和低视觉保真度问题。具体而言,我们提出了一种新颖的基于鸟瞰姿态的空间分解算法,将大型航空图像集分解为具有适当重叠的多个小集合,从而允许我们训练子场景的独立 NeRFs。这种分解方法不仅将渲染时间与场景大小解耦,还使渲染能够无缝扩展到任意大的环境。此外,它允许对环境进行逐块更新,增强了重建过程的灵活性和适应性。另外,我们提出了一种投影引导的新视图重渲染策略,有助于有效利用独立训练的子场景来生成更优异的渲染结果。我们在现有数据集以及我们自己的无人机影像上评估了该方法,在单个 GPU 且渲染质量相似的情况下,重建速度比经典摄影测量软件快 10 倍,比最先进的大规模 NeRF 解决方案快 50 倍。
引用
@article{arxiv.2402.04554,
title = {BirdNeRF: Fast Neural Reconstruction of Large-Scale Scenes From Aerial Imagery},
author = {Huiqing Zhang and Yifei Xue and Ming Liao and Yizhen Lao},
journal= {arXiv preprint arXiv:2402.04554},
year = {2024}
}