优化未见区域——基于自由空间先验的快速NeRF清理
计算机视觉与模式识别
2025-10-28 v3
摘要
神经辐射场（NeRF）推动了逼真的新视角合成，但其对光度重建的依赖引入了伪影，通常称为“漂浮物”。这些伪影降低了新视角的质量，尤其是在训练相机未见的区域。我们提出了一种快速的、事后NeRF清理方法，通过强制执行我们的自由空间先验来消除此类伪影，从而有效减少漂浮物，同时不破坏NeRF对已观测区域的表示。与依赖最大似然（ML）估计拟合数据或复杂局部数据驱动先验的现有方法不同，我们的方法采用最大后验（MAP）方法，在简单的全局先验假设（未见区域应为空）下选择最优模型参数。这使得我们的方法能够清理已见和未见区域的伪影，即使在具有挑战性的场景区域也能提高新视角质量。我们的方法与现有的NeRF清理模型相当，同时推理速度快2.5倍，不需要超出原始NeRF的额外内存，并且在不到30秒内完成清理训练。我们的代码将公开提供。
引用
@article{arxiv.2412.12772,
title = {Optimize the Unseen -- Fast NeRF Cleanup with Free Space Prior},
author = {Leo Segre and Shai Avidan},
journal= {arXiv preprint arXiv:2412.12772},
year = {2025}
}