Dehazing-NeRF：从模糊图像重建清晰神经辐射场
计算机视觉与模式识别
2023-04-25 v1
摘要
神经辐射场（NeRF）近年来因在三维场景重建与新视角合成方面令人印象深刻的高质量而备受关注。然而，在雾霾条件下拍摄场景时，大气光与物体光被大气中粒子散射所引起的图像退化会显著降低重建质量。为解决此问题，我们提出 Dehazing-NeRF，一种能够从模糊图像输入中恢复清晰 NeRF 的方法。我们的方法利用大气散射模型模拟模糊图像的物理成像过程，并联合学习大气散射模型与干净 NeRF 模型，以同时实现图像去雾与新视角合成。与以往方法不同，Dehazing-NeRF 是一种仅以模糊图像作为输入的无监督方法，且不依赖于手工设计的去雾先验。通过将 NeRF 三维场景估计的深度与大气散射模型相结合，我们所提模型突破了单图像去雾的病态问题，同时保持几何一致性。此外，为缓解信息丢失导致的图像质量退化，在模型训练过程中引入了软边界一致性正则化，以及大气一致性与对比判别损失。大量实验表明，在图像去雾与新视角图像合成上，我们的方法均优于单图像去雾与 NeRF 的简单组合。
引用
@article{arxiv.2304.11448,
title = {Dehazing-NeRF: Neural Radiance Fields from Hazy Images},
author = {Tian Li and LU Li and Wei Wang and Zhangchi Feng},
journal= {arXiv preprint arXiv:2304.11448},
year = {2023}
}