nerf2nerf：神经辐射场的成对配准
计算机视觉与模式识别
2022-11-04 v1 人工智能
机器人学
摘要
我们介绍了一种神经场的成对配准技术，将基于优化的经典局部配准（即 ICP）扩展至神经辐射场（NeRF）——从标定图像集合训练得到的神经 3D 场景表示。NeRF 不分解光照与颜色，因此为使配准对照明保持不变，我们引入了“表面场”的概念——从预训练 NeRF 模型提炼出的一个场，用于度量某点位于物体表面的可能性。随后我们将 nerf2nerf 配准构建为一个鲁棒优化问题，迭代寻找使两场景表面场对齐的刚体变换。我们通过引入一个预训练 NeRF 场景数据集来评估技术的有效性——其中的合成场景支持定量评估及与经典配准技术的比较，而真实场景则证明了我们的技术在真实世界场景中的有效性。更多结果见：https://nerf2nerf.github.io
引用
@article{arxiv.2211.01600,
title = {nerf2nerf: Pairwise Registration of Neural Radiance Fields},
author = {Lily Goli and Daniel Rebain and Sara Sabour and Animesh Garg and Andrea Tagliasacchi},
journal= {arXiv preprint arXiv:2211.01600},
year = {2022}
}