Evidential Neural Radiance Fields

理解三维场景建模中不确定性来源是可信赖的关键。虽然近期的神经光线场 (NeRF) 在场景重建和新视角合成方面取得了显著精度,但缺乏不确定性估计严重限制了其在安全关键场景中的部署。现有的 NeRF 不确定性量化方法无法单独捕获 aleatoric 与 epistemic 不确定性。对于能够量化其中一种或两种不确定性的方法,许多要么牺牲渲染质量,要么在获取不确定性估计时造成显著计算开销。为此,我们提出 Evidential Neural Radiance Fields,这是一种概率方法,无缝集成到 NeRF 渲染流程中,实现单次前向传播即可直接量化 aleatoric 与 epistemic 不确定性。我们在三个标准化基准测试上与多种不确定性量化方法进行比较,其中我们的做法在场景重建保真度和不确定性估计质量方面均显示出现代水平。代码已公开于 https://github.com/KerryDRX/EvidentialNeRF。