CorresNeRF：用于神经辐射场的图像对应先验
计算机视觉与模式识别
2023-12-12 v1
摘要
神经辐射场（NeRF）在新视角合成和表面重建任务中取得了令人印象深刻的结果。然而，在输入视图稀疏的挑战性场景下，其性能会受到影响。我们提出了 CorresNeRF，一种利用现成方法计算的图像对应先验来监督 NeRF 训练的新方法。我们设计了自适应的增强和过滤过程，以生成密集且高质量的对应关系。然后，这些对应关系通过对应像素重投影和深度损失项用于正则化 NeRF 训练。我们在不同数据集上，使用基于密度和基于 SDF 的 NeRF 模型，评估了我们的方法在新视角合成和表面重建任务上的表现。我们的方法在光度学和几何学指标上均优于先前的方法。我们表明，这种使用对应先验的简单而有效的技术可以作为一个即插即用模块应用于不同的 NeRF 变体。项目页面位于 https://yxlao.github.io/corres-nerf。
引用
@article{arxiv.2312.06642,
title = {CorresNeRF: Image Correspondence Priors for Neural Radiance Fields},
author = {Yixing Lao and Xiaogang Xu and Zhipeng Cai and Xihui Liu and Hengshuang Zhao},
journal= {arXiv preprint arXiv:2312.06642},
year = {2023}
}