面向野外场景的 NeRF：利用不确定性实现无干扰项 NeRF
计算机视觉与模式识别
2024-06-04 v2
摘要
神经光谱场 (NeRF) 在从静态场景的多视图图像合成逼真视图方面显示出显著的成功，但在包含移动物体、阴影和光照变化等干扰项的动态真实环境中面临挑战。现有方法在受控环境中处理低遮挡率，但在渲染质量上不足，尤其是在高遮挡场景下。本文引入一种简单而有效的方法——面向野外的 NeRF (NeRF On-the-go)，以仅从随意捕获的图像序列，在复杂的户外场景中实现鲁棒的新视角合成。通过深入分析不确定性，我们的方法不仅有效消除干扰项（即便它们在捕获过程中占据主导地位），而且实现了显著更快的收敛速度。在各种场景上的全面实验表明，我们的方法相较于最先进的技术实现了显著提升。这一进展为 NeRF 在多样化和动态真实世界应用中开辟了新方向。
引用
@article{arxiv.2405.18715,
title = {NeRF On-the-go: Exploiting Uncertainty for Distractor-free NeRFs in the Wild},
author = {Weining Ren and Zihan Zhu and Boyang Sun and Jiaqi Chen and Marc Pollefeys and Songyou Peng},
journal= {arXiv preprint arXiv:2405.18715},
year = {2024}
}
备注
CVPR 2024, first two authors contributed equally. Project Page: https://rwn17.github.io/nerf-on-the-go/