IE-NeRF: 野外图像填充增强神经辐射场
计算机视觉与模式识别
2026-02-05 v2
摘要
我们提出了一种用于合成真实新视角的方法，基于 Neural Radiance Fields (NeRF) 且适用于野外无控制场景。虽然 NeRF 在受控环境中显示出惊人的性能，但在动态和时变场景中常见的瞬态物体会造成困扰。我们采用称为 \textit{Inpainting Enhanced NeRF} 或 \ours 的框架，通过灵感来自图像填充技术，增强了 NeRF 的常规方法。具体而言，我们扩展了 NeRF 的多层感知器 (MLP)，使其能够同时生成内在属性（静态颜色、密度）和外在瞬态掩码。我们引入填充模块，利用瞬态掩码有效排除遮挡，从而提高体渲染质量。此外，我们提出了一种新的训练策略，以频率正则化方式解决低频瞬态成分的稀疏问题。我们在互联网照片收藏的地标数据上进行评估，展示了其生成高质量新视角并实现最先进性能的能力。
引用
@article{arxiv.2407.10695,
title = {IE-NeRF: Inpainting Enhanced Neural Radiance Fields in the Wild},
author = {Shuaixian Wang and Haoran Xu and Yaokun Li and Jiwei Chen and Guang Tan},
journal= {arXiv preprint arXiv:2407.10695},
year = {2026}
}