I2-NeRF：基于物理建模的介质相互作用下的神经辐射场学习
计算机视觉与模式识别
2025-10-28 v1
摘要
为赋予生成式人工智能3D物理世界感知能力，我们提出I2-NeRF，一种新型神经辐射场框架，通过物理建模增强等距和各向同性度量感知。虽然现有NeRF模型主要依赖目标中心采样，但I2-NeRF引入逆分层升采样策略，实现3D空间近似均匀采样，从而保持等距性。我们进一步提出一种通用的辐射模型，用于介质退化，统一建模发射、吸收和散射为粒子模型，依据比尔-朗伯衰减定律。通过组合直接光辐射与介质引发的散射光辐射，该模型可自然扩展至复杂介质环境，如水下、雾霾乃至低光场景。通过在垂直和水平方向统一处理光传播，I2-NeRF实现了各向同性度量感知，甚至可估计介质属性如水深。在真实数据集上的实验表明，我们的方法在恢复保真度和物理合理性方面显著优于现有方法。
引用
@article{arxiv.2510.22161,
title = {I2-NeRF: Learning Neural Radiance Fields Under Physically-Grounded Media Interactions},
author = {Shuhong Liu and Lin Gu and Ziteng Cui and Xuangeng Chu and Tatsuya Harada},
journal= {arXiv preprint arXiv:2510.22161},
year = {2025}
}