MZEN：用于相机姿态未知的 3D 重建的多放大增强 NeRF
计算机视觉与模式识别
2025-08-11 v1
摘要
神经光照场（NeRF）方法在从多个 2D 图像进行 3D 重建方面表现优异，即使这些图像的摄像机姿态未知。然而，它们仍然遗漏了在工业检查中重要的细微结构，例如在生产线上检测亚微米缺陷或分析扫描电子显微镜（SEM）中的芯片。在这些场景中，传感器分辨率固定且计算资源有限，因此唯一暴露细微结构的办法是添加放大图像；然而，这会破坏姿态自由 NeRF 训练所依赖的多视图一致性。我们提出了一种多放大增强 NeRF（MZEN），这是一种原生处理多放大图像集的第一个 NeRF 框架。MZEN（i）将针孔相机模型扩展为带有显式可学习放大标量的模型，该标量缩放焦距；（ii）引入一种新颖的姿态策略：先求解宽域图像以建立全局坐标系，然后通过放大一致的裁剪-匹配程序将放大图像姿态定位到最近的宽域图像对应物，再进行联合优化。在八个正向场景——合成 TCAD 模型、真实 SEM 微结构以及 BLEFF 对象——MZEN 均一致优于姿态自由基线方法，甚至优于高分辨率变体，提升 PSNR 最多 %，SSIM 最多 %，LPIPS 最多降低 %。因此，MZEN 将 NeRF 扩展到实际工厂环境，保持全局精度的同时捕获对工业检查至关重要的微米级细节。
引用
@article{arxiv.2508.05819,
title = {MZEN: Multi-Zoom Enhanced NeRF for 3-D Reconstruction with Unknown Camera Poses},
author = {Jong-Ik Park and Carlee Joe-Wong and Gary K. Fedder},
journal= {arXiv preprint arXiv:2508.05819},
year = {2025}
}