将神经辐射场作为三维密度图像进行配准
计算机视觉与模式识别
2023-05-23 v1
摘要
目前尚无重要工作直接使用 NeRF 表示来合并两个部分重叠的场景。给定部分重叠三维场景的预训练 NeRF 模型，本文通过将其刚体变换对齐，将传统的配准流程（即关键点检测与点集配准）推广到在三维密度场上操作。为在三维中将角点描述为关键点，我们提出使用通用的预训练描述子生成神经网络，其可在不同场景上训练与测试。我们开展实验证明描述子网络可方便地使用对比学习策略训练。我们表明，作为全局方法，我们的方法能有效配准 NeRF 模型，从而为未来通过配准单独捕获的更小且重叠的 NeRF 来构建大规模 NeRF 提供可能。
引用
@article{arxiv.2305.12843,
title = {Registering Neural Radiance Fields as 3D Density Images},
author = {Han Jiang and Ruoxuan Li and Haosen Sun and Yu-Wing Tai and Chi-Keung Tang},
journal= {arXiv preprint arXiv:2305.12843},
year = {2023}
}