E-NeRF：来自运动事件相机的神经辐射场
计算机视觉与模式识别
2023-01-25 v2 机器人学
摘要
从“理想”图像估计神经辐射场（NeRFs）已在计算机视觉界被广泛研究。大多数方法假设最优光照与缓慢的相机运动。这些假设在机器人应用中常被违背，其中图像可能包含运动模糊，且场景可能不具备合适光照。这会给下游任务如导航、检测或场景可视化带来显著问题。为缓解这些问题，我们提出 E-NeRF，第一种从快速运动的事件相机以神经辐射场形式估计体素场景表示的方法。我们的方法能在极快运动及高动态范围条件下恢复 NeRFs，而基于帧的方法在此失效。我们展示仅以事件流作为输入即可渲染高质量帧。此外，通过结合事件与帧，我们能在严重运动模糊下估计出优于最先进方法的 NeRFs。我们还展示结合事件与帧可克服仅在极少输入视角可用且无额外正则化需求时 NeRF 估计的失败情形。
引用
@article{arxiv.2208.11300,
title = {E-NeRF: Neural Radiance Fields from a Moving Event Camera},
author = {Simon Klenk and Lukas Koestler and Davide Scaramuzza and Daniel Cremers},
journal= {arXiv preprint arXiv:2208.11300},
year = {2023}
}
备注
revised RAL version + added suppl. material