Car-Studio：从单视角与无尽野外图像中学习车辆辐射场
计算机视觉与模式识别
2023-07-27 v1
摘要
组合式神经场景图研究表明，辐射场可作为可编辑自动驾驶模拟器中的高效工具。然而，以往研究在自动驾驶数据集序列中学习，导致在模拟器中旋转车辆时出现不满意的模糊。在本文中，我们提出一种处理无约束图像并基于处理后图像构建数据集的流程。为满足模拟器的要求——即车辆视角变化时保持清晰，且轮廓相对于背景保持锐利以避免编辑时出现伪影——我们设计了车辆（城市场景前景的关键部分）的辐射场。通过实验，我们证明我们的模型相比基线具有竞争力。利用从野外图像构建的数据集，我们的方法逐渐呈现出可控的外观编辑功能。我们将在 https://lty2226262.github.io/car-studio/ 发布数据集与代码，以促进该领域的进一步研究。
引用
@article{arxiv.2307.14009,
title = {Car-Studio: Learning Car Radiance Fields from Single-View and Endless In-the-wild Images},
author = {Tianyu Liu and Hao Zhao and Yang Yu and Guyue Zhou and Ming Liu},
journal= {arXiv preprint arXiv:2307.14009},
year = {2023}
}
备注
Submissions to the IEEE Robotics and Automation Letters (RA-L), Project Page: https://lty2226262.github.io/car-studio/