NeuRAD：面向自动驾驶的神经渲染
计算机视觉与模式识别
2024-04-19 v3
摘要
神经辐射场 (NeRFs) 在自动驾驶 (AD) 领域日益受到关注。近期方法展示了 NeRFs 在闭环仿真（用于测试 AD 系统）以及作为先进训练数据增强技术方面的潜力。然而，现有方法往往需要较长训练时间、密集语义监督或缺乏泛化能力。这进而阻碍了 NeRFs 在大规模 AD 中的应用。本文中，我们提出 NeuRAD，一种专为动态 AD 数据设计的鲁棒新视角合成方法。我们的方法具有简洁的网络设计、对相机与激光雷达的广泛传感器建模——包括卷帘快门、光束发散与射线丢失——并可开箱即用于多个数据集。我们在五个流行 AD 数据集上验证其性能，全面取得最先进 (state-of-the-art) 表现。为鼓励进一步发展，我们将公开发布 NeuRAD 源代码。见 https://github.com/georghess/NeuRAD 。
引用
@article{arxiv.2311.15260,
title = {NeuRAD: Neural Rendering for Autonomous Driving},
author = {Adam Tonderski and Carl Lindström and Georg Hess and William Ljungbergh and Lennart Svensson and Christoffer Petersson},
journal= {arXiv preprint arXiv:2311.15260},
year = {2024}
}