NeRFtrinsic Four：一种端到端可训练的联合优化多种内外相机参数的 NeRF
计算机视觉与模式识别
2023-10-27 v4
摘要
使用神经辐射场（NeRF）的新视角合成是生成新视点高质量图像的最先进（state-of-the-art）技术。现有方法需要关于外在与内在相机参数的先验知识。这限制了它们在合成场景或必须进行预处理步骤的真实世界场景中的适用性。当前关于相机参数与 NeRF 联合优化的研究集中于细化含噪外在相机参数，且常依赖于内在相机参数的预处理。进一步的方法仅局限于覆盖单一相机内参。为应对这些局限，我们提出一种称为 NeRFtrinsic Four 的新型端到端可训练方法。我们利用高斯傅里叶特征估计外在相机参数，并通过投影误差的监督动态预测变化的内在相机参数。我们的方法在 LLFF 与 BLEFF 上优于现有的联合优化方法。除这些已有数据集外，我们引入了一个名为 iFF 的具有变化内在相机参数的新数据集。NeRFtrinsic Four 是基于 NeRF 的联合优化视角合成向前迈出的一步，并在具有变化相机参数的真实世界场景中实现了更真实且灵活的渲染。
引用
@article{arxiv.2303.09412,
title = {NeRFtrinsic Four: An End-To-End Trainable NeRF Jointly Optimizing Diverse Intrinsic and Extrinsic Camera Parameters},
author = {Hannah Schieber and Fabian Deuser and Bernhard Egger and Norbert Oswald and Daniel Roth},
journal= {arXiv preprint arXiv:2303.09412},
year = {2023}
}