ProvNeRF：将 NeRF 中逐点的来源建模为随机场
计算机视觉与模式识别
2024-11-04 v3
摘要
神经辐射场（NeRFs）因多项工作在各种应用中展现出有前景的结果而广受欢迎。然而，据我们所知，现有工作并未显式地对训练相机位姿的分布，或由此产生的三角测量质量进行建模，而三角测量质量是自经典视觉文献以来影响重建质量的关键因素。我们通过 ProvNeRF 弥补了这一空白，该方法将 NeRF 中每个点的来源（provenance）——即其可能可见的位置——建模为一个随机场。我们通过将隐式最大似然估计（IMLE）扩展到具有可优化目标的函数空间来实现这一点。我们证明，在 NeRF 优化过程中对逐点来源进行建模，为模型丰富了三角测量信息，从而在具有挑战性的稀疏、无约束视角设置下，相较于竞争基线，在新视角合成和不确定性估计方面带来了改进。
引用
@article{arxiv.2401.08140,
title = {ProvNeRF: Modeling per Point Provenance in NeRFs as a Stochastic Field},
author = {Kiyohiro Nakayama and Mikaela Angelina Uy and Yang You and Ke Li and Leonidas J. Guibas},
journal= {arXiv preprint arXiv:2401.08140},
year = {2024}
}
备注
38th Conference on Neural Information Processing Systems (NeurIPS 2024)