基于事件驱动束_adjustment 的神经 radiance 场去模糊

神经 radiance 场(NeRF) 作为输入高质量多视图图像，实现了令人瞩目的3D 表示学习和新视角合成结果。然而，低光和高速运动场景中的图像常常出现运动模糊，这显著降低了 NeRF 的重建质量。先前的去模糊 NeRF 方法难以估计在曝光期间的姿态和光照变化，无法准确建模运动模糊。受生物仿照的事件相机以高时间分辨率测量强度变化，弥补了这一信息缺失。在本文中，我们提出了一种用于去模糊神经 radiance 场的事件驱动束_adjustment(EBAD-NeRF)，通过利用混合事件-RGB 数据联合优化可学习的姿态和 NeRF 参数。引入强度变化指标事件损失和光度模糊损失，以加强对相机运动模糊的显式建模。在合成和真实捕获数据上的实验表明，EBAD-NeRF 能够在曝光期间获得准确的相机轨迹，并学习比先前方法更锐利的3D 表示。