用于多视角卫星摄影测量的阴影神经辐射场
计算机视觉与模式识别
2021-04-21 v1
摘要
我们提出一种用于地球观测场景阴影感知多视角卫星摄影测量的新通用方法。所提方法阴影神经辐射场（S-NeRF）沿袭了隐式体表示学习的最新进展。对每个场景，我们使用已知视角拍摄的极高空间分辨率光学图像训练 S-NeRF。该学习无需标签或形状先验：由图像重建损失自监督。为适应来自由方向性光源（太阳）与漫射光源（天空）构成的变化光照条件，我们从两方面扩展 NeRF 方法。首先，来自太阳的直接光照通过局部光源可见性场建模。其次，来自漫射光源的间接光照被学习为随太阳位置变化的非局部颜色场。定量上，相较 NeRF，这些因素的结合降低了阴影区域的高程与颜色误差。S-NeRF 方法不仅实现新视角合成与完整 3D 形状估计，还支持阴影检测、反照率合成与瞬态目标滤除，且无需任何显式形状监督。
引用
@article{arxiv.2104.09877,
title = {Shadow Neural Radiance Fields for Multi-view Satellite Photogrammetry},
author = {Dawa Derksen and Dario Izzo},
journal= {arXiv preprint arXiv:2104.09877},
year = {2021}
}
备注
Accepted to CVPR2021 - EarthVision