Entity-NeRF：城市场景中移动实体的检测与去除
计算机视觉与模式识别
2024-03-26 v1
摘要
近期关于动态场景神经辐射场的研究进展通常涉及对场景动态的显式建模。然而，在城市场景中对场景动态进行建模面临挑战，因为其中存在各种类别和尺度的移动对象。在这种情况下，有效消除移动对象以准确重建静态背景变得至关重要。我们的研究引入了一种名为 Entity-NeRF 的创新方法，它结合了基于知识与统计策略的优势。该方法利用实体级统计信息，通过 thing/stuff 分割进行实体分割和静止实体分类。为了评估我们的方法，我们创建了一个用移动对象掩蔽的城市场景数据集。我们全面的实验表明，Entity-NeRF 在去除移动对象和重建静态城市背景方面，无论在定量还是定性上均显著优于现有技术。
引用
@article{arxiv.2403.16141,
title = {Entity-NeRF: Detecting and Removing Moving Entities in Urban Scenes},
author = {Takashi Otonari and Satoshi Ikehata and Kiyoharu Aizawa},
journal= {arXiv preprint arXiv:2403.16141},
year = {2024}
}
备注
Accepted by IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR 2024), Project website: https://otonari726.github.io/entitynerf/