渲染稳定特征改进基于采样的神经辐射场定位

神经辐射场（NeRFs）是隐式场景表示的强大工具，允许可微渲染并能对未知视角进行预测。利用NeRFs进行基于物体与场景的定位日益受到关注，近期若干工作依赖于基于采样或蒙特卡洛定位方案。遗憾的是，这些方案计算开销极大，需要多次网络前向传播以推断相机或物体位姿。为缓解此问题，已应用多种采样策略，许多依赖于经典计算机视觉中的关键点识别技术。本工作对这些方法进行了系统的实证比较，并表明与基于几何的定位的传统特征匹配方法相反，使用NeRFs的基于采样的定位显著受益于稳定特征。结果表明，渲染稳定特征以所需前向传播次数减少十倍提供了显著更好的估计。