NeRF--：无需已知相机参数的神经辐射场
计算机视觉与模式识别
2022-04-07 v4
摘要
考虑仅从一组 2D 图像进行新视角合成（NVS）的问题，我们通过去除对已知或预计算相机参数（包括内参和 6DoF 位姿）的要求，简化了前向场景上神经辐射场（NeRF）的训练过程。为此，我们提出了 NeRF，具有三点贡献：首先，我们展示了相机参数可以通过光度重建作为可学习参数与 NeRF 训练联合优化；其次，为了对相机参数估计和新视角渲染质量进行基准测试，我们引入了一个路径追踪合成场景的新数据集，称为 Blender Forward-Facing Dataset（BLEFF）；第三，我们进行了广泛的分析以理解不同相机运动下的训练行为，并表明在大多数场景中，联合优化流程可以恢复准确的相机参数，并达到与使用 COLMAP 预计算相机参数训练的模型相当的新视角合成质量。我们的代码和数据可在 https://nerfmm.active.vision 获取。
引用
@article{arxiv.2102.07064,
title = {NeRF--: Neural Radiance Fields Without Known Camera Parameters},
author = {Zirui Wang and Shangzhe Wu and Weidi Xie and Min Chen and Victor Adrian Prisacariu},
journal= {arXiv preprint arXiv:2102.07064},
year = {2022}
}
备注
Project page see https://nerfmm.active.vision. Add a break point analysis experiment and release a BLEFF dataset