基于 NeRF 的 3D 重建中的图像估值
计算机视觉与模式识别
2025-12-01 v1
摘要
数据估值和货币化正变得越来越重要，涵盖 eXtended Reality (XR) 和数字媒体等多个领域。在从一组图像进行 3D 场景重建的背景下——无论是随意捕获还是专业捕获——并非所有输入对最终输出都同等有用。神经辐射场 (NeRF) 通过优化给定图像集的体积光辉场，实现对场景的照片级 3D 重建。然而，野外场景常包含质量参差不齐、遮挡以及瞬态物体的图像捕获，导致输入之间效用不均。本文提出一种方法，用于量化每张图像对 NeRF 基于重建野外图像集的 individual 贡献。通过 PSNR 和 MSE 基于重建质量指标评估贡献。我们通过在训练期间删除低贡献图像并测量结果对重建保真度的影响来验证我们的方法。
引用
@article{arxiv.2511.23052,
title = {Image Valuation in NeRF-based 3D reconstruction},
author = {Grigorios Aris Cheimariotis and Antonis Karakottas and Vangelis Chatzis and Angelos Kanlis and Dimitrios Zarpalas},
journal= {arXiv preprint arXiv:2511.23052},
year = {2025}
}
备注
Published In International Conference on Computer Analysis of Images and Patterns (pp. 375-385). Cham: Springer Nature Switzerland