NoPe-NeRF：在无位姿先验下优化神经辐射场
计算机视觉与模式识别
2023-04-17 v3
摘要
在没有预计算相机位姿的情况下训练神经辐射场（NeRF）具有挑战性。该方向近期进展展示了在前向场景中共优化NeRF与相机位姿的可能性。然而，这些方法在剧烈相机运动下仍面临困难。我们通过引入未畸变单目深度先验来解决这一挑战性问题。这些先验通过在训练期间校正尺度与位移参数而生成，由此我们能够约束连续帧间的相对位姿。该约束通过我们提出的新型损失函数实现。在真实世界室内与室外场景上的实验表明，我们的方法能处理具有挑战性的相机轨迹，并在新视角渲染质量与位姿估计精度上优于现有方法。我们的项目页面为 https://nope-nerf.active.vision。
引用
@article{arxiv.2212.07388,
title = {NoPe-NeRF: Optimising Neural Radiance Field with No Pose Prior},
author = {Wenjing Bian and Zirui Wang and Kejie Li and Jia-Wang Bian and Victor Adrian Prisacariu},
journal= {arXiv preprint arXiv:2212.07388},
year = {2023}
}