3D 场景重建中的不确定性来源
计算机视觉与模式识别
2024-09-11 v1 机器学习
摘要
3D 场景重建过程在现实场景中可能受到诸多不确定性来源的影响。尽管神经辐射场(NeRF)和 3D 高斯溅写(3D Gaussian Splatting)实现了高保真渲染，但缺乏直接应对或量化因噪声、遮挡、混淆异常值以及不精确相机姿态输入而产生的不确定性的内置机制。本文引入一种分类法，对这些方法固有的不同不确定性来源进行归类。此外，我们扩展了基于 NeRF 和 GS 的方法，加入不确定性估计技术，包括学习不确定性输出和集成方法，并进行经验研究以评估其捕捉重建灵敏度的能力。我们的研究表明，在设计 NeRF/GS 基方法用于不确定性感知 3D 重建时，需要关注各种不确定性方面。
引用
@article{arxiv.2409.06407,
title = {Sources of Uncertainty in 3D Scene Reconstruction},
author = {Marcus Klasson and Riccardo Mereu and Juho Kannala and Arno Solin},
journal= {arXiv preprint arXiv:2409.06407},
year = {2024}
}
备注
To appear in ECCV 2024 Workshop Proceedings. Project page at https://aaltoml.github.io/uncertainty-nerf-gs/