MonoPatchNeRF: 利用基于图块的单目引导改进神经辐射场
计算机视觉与模式识别
2024-08-23 v2
摘要
最新的正则化神经辐射场(NeRF)方法在大规模稀疏视图场景(如 ETH3D)中表现出较差的几何质量和视图外推能力。基于密度的方法往往约束不足，而基于表面的方法则容易丢失细节。在本文中，我们采用基于密度的方法，通过采样图块而非单个光线，以更好地结合单目深度与法线估计，以及训练视图与采样虚拟视图之间基于图块的光度一致性约束。基于与稀疏点对齐的估计深度对密度进行松弛约束，进一步提高了几何精度。在保持相似视图合成质量的同时，我们的方法在 ETH3D 基准上显著提高了几何精度，例如与其他正则化的基于密度的方法相比，F1@2cm 分数提高了 4 倍至 8 倍，且训练和推理时间远低于其他方法。
关键词
引用
@article{arxiv.2404.08252,
title = {MonoPatchNeRF: Improving Neural Radiance Fields with Patch-based Monocular Guidance},
author = {Yuqun Wu and Jae Yong Lee and Chuhang Zou and Shenlong Wang and Derek Hoiem},
journal= {arXiv preprint arXiv:2404.08252},
year = {2024}
}