EdgeNeRF：基于稀疏视图的神经辐射场边缘引导正则化
计算机视觉与模式识别
2026-01-06 v1
摘要
神经辐射场（NeRF）在密集多视角场景中取得了显著性能，但在稀疏输入下因几何伪影而显著 degradation。现有方法利用全局深度正则化来缓解伪影，导致几何边界细节丢失。为解决此问题，我们提出EdgeNeRF，一种边缘引导的稀疏视图3D重建算法。我们的方法利用深度和法线发生突变可生成边缘的先验。具体而言，我们首先从输入图像中提取边缘，然后对非边缘区域应用深度和法线正则化约束，以增强几何一致性同时保留边界处的高频细节。在LLFF和DTU数据集上的实验表明，EdgeNeRF在保留锐利几何边界和抑制伪影方面表现优异。此外，所提出的边缘引导深度正则化模块可无缝集成到其他方法中，以即插即用的方式显著提升其性能，同时不显著增加训练时间。代码已公开于https://github.com/skyhigh404/edgenerf。
引用
@article{arxiv.2601.01431,
title = {EdgeNeRF: Edge-Guided Regularization for Neural Radiance Fields from Sparse Views},
author = {Weiqi Yu and Yiyang Yao and Lin He and Jianming Lv},
journal= {arXiv preprint arXiv:2601.01431},
year = {2026}
}
备注
PRCV 2025