RobustNeRF：以鲁棒损失忽略干扰物
计算机视觉与模式识别
2024-07-30 v2 机器学习
摘要
神经辐射场（NeRF）在给定静态场景的多视角标定图像时，擅长合成新视角。当场景包含干扰物（在图像采集期间不持续存在的物体，如运动物体、光照变化、阴影）时，会出现视相关效应或“漂浮物”等伪影。为应对干扰物，我们主张对 NeRF 训练采用一种鲁棒估计形式，将训练数据中的干扰物建模为优化问题的离群点。我们的方法成功移除了场景中的离群点，并在合成与真实场景上均优于基线方法。我们的技术易于集成到现代 NeRF 框架中，且超参数极少。它不假设干扰物类型的先验知识，而是聚焦于优化问题，而非预处理或建模瞬态物体。更多结果见我们的页面 https://robustnerf.github.io。
引用
@article{arxiv.2302.00833,
title = {RobustNeRF: Ignoring Distractors with Robust Losses},
author = {Sara Sabour and Suhani Vora and Daniel Duckworth and Ivan Krasin and David J. Fleet and Andrea Tagliasacchi},
journal= {arXiv preprint arXiv:2302.00833},
year = {2024}
}