FisherRF：基于 Fisher 信息的辐射场主动视角选择与不确定性量化
计算机视觉与模式识别
2024-12-17 v2
摘要
本研究解决辐射场领域中主动视角选择与不确定性量化的挑战性问题。神经辐射场（NeRF）极大推进了图像渲染与重建，但图像获取的成本使得高效选择最具信息量的视角成为必要。现有方法依赖于修改模型架构或假设扰动场来间接近似模型不确定性。然而，基于间接近似选择视角并不能保证为模型带来最优信息增益。通过利用 Fisher 信息，我们直接量化辐射场参数上已观测到的信息，并通过最大化期望信息增益（EIG）来选择候选视角。我们的方法在多个任务上取得了最先进（SOTA）结果，包括视角选择、主动建图与不确定性量化，展示了其推进辐射场领域的潜力。
引用
@article{arxiv.2311.17874,
title = {FisherRF: Active View Selection and Uncertainty Quantification for Radiance Fields using Fisher Information},
author = {Wen Jiang and Boshu Lei and Kostas Daniilidis},
journal= {arXiv preprint arXiv:2311.17874},
year = {2024}
}
备注
Project page: https://jiangwenpl.github.io/FisherRF/