CLA-NeRF：类别级关节体神经辐射场

我们提出 CLA-NeRF——一种类别级关节体神经辐射场（Category-Level Articulated Neural Radiance Field），能够执行视图合成、部件分割与关节姿态估计。CLA-NeRF 在物体类别级别上训练，不使用 CAD 模型与深度信息，而是使用一组带有真实相机位姿与部件分割标注的 RGB 图像。在推理时，它仅需已知类别内未见过的 3D 物体实例的少量 RGB 视图（即少样本）即可推断物体部件分割与神经辐射场。给定关节姿态作为输入，CLA-NeRF 可执行感知关节的体积渲染，在任何相机位姿下生成对应的 RGB 图像。此外，物体的关节姿态可通过逆渲染进行估计。在实验中，我们在合成与真实数据上的五个类别评估了该框架。在所有情况下，我们的方法均展现出逼真的形变结果与准确的关节姿态估计。我们相信，少样本关节物体渲染与关节姿态估计为机器人感知并与未见过的关节物体交互打开了大门。