评估 3D 场景重建中的现代方法：NeRF 与高斯基方法
计算机视觉与模式识别
2024-11-18 v2 人工智能
机器学习
摘要
本研究探讨了 Neural Radiance Fields (NeRF) 和高斯基方法在 3D 场景重建背景中的能力，本文将这些现代方法与传统的同时定位与地图构建 (SLAM) 系统进行对比。利用 Replica 和 ScanNet 等数据集，我们基于跟踪精度、映射保真度和视图合成进行评估。研究结果表明，NeRF 在视图合成方面表现突出，能够独特地从现有数据生成新的视角，尽管处理速度较慢。相比之下，高斯基方法提供快速的处理速度和显著的表达能力，但缺乏综合的场景完成功能。通过全局优化和闭环技术，新的方法如 NICE-SLAM 和 SplaTAM 不仅在鲁棒性上超过了诸如 ORB-SLAM2 之类的旧框架，也在动态和复杂环境中显示出优异的性能。本 comparative analysis 桥接了理论研究与实际应用，为在各种实际场景中实现稳健的 3D 场景重建指明了未来发展方向。
引用
@article{arxiv.2408.04268,
title = {Evaluating Modern Approaches in 3D Scene Reconstruction: NeRF vs Gaussian-Based Methods},
author = {Yiming Zhou and Zixuan Zeng and Andi Chen and Xiaofan Zhou and Haowei Ni and Shiyao Zhang and Panfeng Li and Liangxi Liu and Mengyao Zheng and Xupeng Chen},
journal= {arXiv preprint arXiv:2408.04268},
year = {2024}
}
备注
Accepted by 2024 6th International Conference on Data-driven Optimization of Complex Systems