利用拉格朗日粒子优化改进基于物理增强连续神经辐射场的几何无关系统辨识

几何无关系统辨识是一种无需任何几何假设即可从视频序列中识别物体几何和物理属性的技术。最近，物理增强连续神经辐射场（PAC-NeRF）通过利用混合欧拉-拉格朗日表示法，在该技术上展示了有希望的结果，其中几何由NeRF的欧拉网格表示表示，物理由物质点法（MPM）描述，并通过拉格朗日粒子连接。然而，PAC-NeRF的一个显著限制是，由于其两步优化，其性能对从第一帧学习几何非常敏感。首先，使用视频序列的第一帧优化网格表示，然后利用固定的第一帧网格表示通过视频序列优化物理属性。当学习几何结构困难时，例如在少样本（稀疏视角）设置中，这个限制可能至关重要。为了克服这一限制，我们提出了拉格朗日粒子优化（LPO），其中粒子的位置和特征通过拉格朗日空间中的视频序列进行优化。该方法允许在MPM施加的物理约束下，对整个视频序列中的几何结构进行优化。实验结果表明，LPO在稀疏视角设置下对几何校正和物理辨识是有用的。