DBARF：深度束调整可泛化神经辐射场
计算机视觉与模式识别
2023-03-28 v1
摘要
近期如 BARF 和 GARF 等工作可将相机位姿与基于坐标-MLP 的神经辐射场（NeRF）进行束调整。尽管结果令人印象深刻，这些方法无法应用于可泛化 NeRF（GeNeRF），后者需要通常基于更复杂的 3D CNN 或 transformer 架构的图像特征提取。本工作中，我们首先分析将相机位姿与 GeNeRF 联合优化的困难，进而提出我们的 DBARF 来解决这些问题。我们的 DBARF 通过将代价特征图作为隐式代价函数来束调整相机位姿，并可与 GeNeRF 以自监督方式联合训练。与 BARF 及其后续工作只能应用于逐场景优化的 NeRF 且除前向场景外需要准确初始相机位姿不同，我们的方法可跨场景泛化且不需要任何良好初始化。实验在真实世界数据集上评估，显示了我们 DBARF 的有效性与泛化能力。我们的代码见 \url{https://aibluefisher.github.io/dbarf}。
引用
@article{arxiv.2303.14478,
title = {DBARF: Deep Bundle-Adjusting Generalizable Neural Radiance Fields},
author = {Yu Chen and Gim Hee Lee},
journal= {arXiv preprint arXiv:2303.14478},
year = {2023}
}