面向多分辨率哈希编码的鲁棒相机位姿精化
计算机视觉与模式识别
2023-02-06 v1 人工智能
图形学
机器学习
摘要
多分辨率哈希编码近期被提出以降低神经渲染（如 NeRF）的计算代价。该方法要求对给定场景的神经渲染具备准确相机位姿。然而，与以往联合优化相机位姿与三维场景的方法不同，使用多分辨率哈希编码的朴素基于梯度的相机位姿精化方法会严重恶化性能。我们提出一种联合优化算法，以高效多分辨率哈希编码标定相机位姿并学习几何表示。通过揭示哈希编码的振荡梯度流会干扰相机位姿配准，我们的方法利用平滑插值加权来稳定跨哈希网格射线采样的梯度振荡。此外，课程训练过程有助于学习分级哈希编码，进一步提升位姿精化。在新视角合成数据集上的实验验证，即便初始相机位姿未知，我们的学习框架也实现了最先进性能与神经渲染的快速收敛。
引用
@article{arxiv.2302.01571,
title = {Robust Camera Pose Refinement for Multi-Resolution Hash Encoding},
author = {Hwan Heo and Taekyung Kim and Jiyoung Lee and Jaewon Lee and Soohyun Kim and Hyunwoo J. Kim and Jin-Hwa Kim},
journal= {arXiv preprint arXiv:2302.01571},
year = {2023}
}