Sat-NeRF：利用RPC相机进行瞬态物体与阴影建模的多视角卫星摄影测量学习
计算机视觉与模式识别
2022-04-22 v2
摘要
我们提出卫星神经辐射场（Sat-NeRF），一种用于野外多视角卫星摄影测量学习的端到端新模型。Sat-NeRF将神经渲染的一些最新趋势与以有理多项式系数（RPC）函数表示的原生卫星相机模型相结合。所提方法渲染新视角并推断出与传统最先进立体管线所获质量相当的表面模型。多时相影像在外观上存在显著变化，主要由于阴影和瞬态物体（车辆、植被）的变动。通过阴影感知辐照度模型和处理无法由太阳位置解释的瞬态现象的不确定性加权，实现了对这些挑战的鲁棒性。我们使用来自不同地点的WorldView-3影像评估Sat-NeRF，并强调在训练前对卫星相机模型进行光束法平差的优势。这提升了网络性能，并可选择性地用于提取额外的深度监督线索。
引用
@article{arxiv.2203.08896,
title = {Sat-NeRF: Learning Multi-View Satellite Photogrammetry With Transient Objects and Shadow Modeling Using RPC Cameras},
author = {Roger Marí and Gabriele Facciolo and Thibaud Ehret},
journal= {arXiv preprint arXiv:2203.08896},
year = {2022}
}
备注
Accepted at CVPR EarthVision Workshop 2022