Pre-NeRF 360：为神经辐射场丰富无界外观
计算机视觉与模式识别
2023-03-23 v1
摘要
神经辐射场（NeRF）近期作为一种生成物体与封闭区域逼真视图的有力工具而出现。然而，它们在开放场景下面临严峻挑战，其中相机可无限制移动且内容可出现在任意距离。在此类场景中，当前受 NeRF 启发的模型常产生模糊或像素化输出，训练缓慢，并可能出现不规则现象，因为从有限数量图像重建广阔场景的任务十分困难。我们提出一个新框架以提升基于 NeRF 的架构性能，相较先前工作产生显著更优的结果。我们的方案克服了困扰早期 NeRF 版本的若干障碍，包括处理多视频输入、选择关键帧，以及从模糊且对称的真实世界帧中提取位姿。此外，我们将该框架（称为“Pre-NeRF 360”）应用于使 Nutrition5k 数据集能在 NeRF 中使用，并引入了该数据集的更新版本，即 N5k360 数据集。
引用
@article{arxiv.2303.12234,
title = {Pre-NeRF 360: Enriching Unbounded Appearances for Neural Radiance Fields},
author = {Ahmad AlMughrabi and Umair Haroon and Ricardo Marques and Petia Radeva},
journal= {arXiv preprint arXiv:2303.12234},
year = {2023}
}