面向束调整神经辐射场的局部到全局配准
计算机视觉与模式识别
2023-03-06 v3
摘要
神经辐射场（NeRF）已实现逼真的新视角合成；然而，对精确相机位姿的要求限制了其应用。尽管存在通过分析-综合扩展来联合学习神经 3D 表示与配准相机帧的方法，但若初始化不佳，它们易陷入次优解。我们提出 L2G-NeRF，一种用于束调整神经辐射场的局部到全局配准方法：首先进行像素级灵活对齐，随后进行帧级约束参数化对齐。像素级局部对齐通过深度网络以无监督方式学习，优化光度重建误差。帧级全局对齐利用可微参数估计求解器基于像素级对应点寻找全局变换。在合成与真实数据上的实验表明，我们的方法在高保真重建与解决大幅相机位姿错位方面优于当前最先进水平。我们的模块是一个易于使用的插件，可应用于 NeRF 变体及其他神经场应用。代码与补充材料见 https://rover-xingyu.github.io/L2G-NeRF/。
引用
@article{arxiv.2211.11505,
title = {Local-to-Global Registration for Bundle-Adjusting Neural Radiance Fields},
author = {Yue Chen and Xingyu Chen and Xuan Wang and Qi Zhang and Yu Guo and Ying Shan and Fei Wang},
journal= {arXiv preprint arXiv:2211.11505},
year = {2023}
}
备注
Accepted to CVPR 2023