面向NeRF的可逆神经变形
计算机视觉与模式识别
2024-07-18 v1
摘要
本文解决了相机姿态与神经光线场（NeRF）的联合优化问题。我们提出一种新型的过参数化表示，模型化相机姿态为可学习的刚性变形函数。我们建立，模型化刚性变形必须严格耦合约束与正则化。具体而言，我们强调通过神经网络学习刚性变形函数时必须强制实现可逆性，并提出采用结合几何信息约束的可逆神经网络（INN）。我们在合成数据集和真实世界数据集上 presented结果，表明我们的方法在姿态估计和高保真重建方面优于现有基准，由于优化收敛性的提升。
引用
@article{arxiv.2407.12354,
title = {Invertible Neural Warp for NeRF},
author = {Shin-Fang Chng and Ravi Garg and Hemanth Saratchandran and Simon Lucey},
journal= {arXiv preprint arXiv:2407.12354},
year = {2024}
}
备注
Accepted to ECCV 2024. Project page: https://sfchng.github.io/ineurowarping-github.io/