Hi-Map：用于高保真单目稠密建图的分层因子化辐射场
计算机视觉与模式识别
2024-01-09 v1
摘要
本文介绍了Hi-Map，一种基于神经辐射场（NeRF）的新型单目稠密建图方法。Hi-Map的独特之处在于，它仅使用带位姿的RGB输入即可实现高效且高保真的建图。我们的方法无需借助外部深度先验（例如来自深度估计模型）。我们的关键思想是将场景表示为编码辐射度的分层特征网格，然后将其因子化为特征平面和向量。这样，场景表示变得更简单、更具泛化性，能够在新观测上快速平滑地收敛。这允许高效计算，同时通过降低场景表示的复杂度来减轻噪声模式。在分层因子化表示的支持下，我们利用符号距离场（SDF）作为渲染的代理来推断体积密度，从而展现出高建图保真度。此外，我们引入了一种双路径编码策略来增强光度线索，并进一步提高建图质量，特别是对于远处和无纹理区域。大量实验表明，我们的方法在几何和纹理精度上优于最先进的基于NeRF的单目建图方法。
引用
@article{arxiv.2401.03203,
title = {Hi-Map: Hierarchical Factorized Radiance Field for High-Fidelity Monocular Dense Mapping},
author = {Tongyan Hua and Haotian Bai and Zidong Cao and Ming Liu and Dacheng Tao and Lin Wang},
journal= {arXiv preprint arXiv:2401.03203},
year = {2024}
}