TöRF：用于动态场景视图合成的光飞行辐射场
计算机视觉与模式识别
2021-12-07 v2
摘要
神经网络能够表示并精确重建静态三维场景的辐射场（如 NeRF）。若干工作将这些方法扩展到用单目视频捕获的动态场景，并取得了有前景的性能。然而，单目设置已知是一个欠约束问题，因此方法依赖于数据驱动的先验来重建动态内容。我们用来自光飞行（ToF）相机的测量替代这些先验，并基于连续波 ToF 相机的图像形成模型引入了一种神经表示。我们不直接处理深度图，而是对原始 ToF 传感器测量建模，以改善重建质量并避免低反射率区域、多径干扰以及传感器有限的无歧义深度范围等问题。我们表明该方法提升了对错误标定与大幅运动的动态场景重建鲁棒性，并讨论了集成如今现代智能手机上可用的 RGB+ToF 传感器的益处与局限。
引用
@article{arxiv.2109.15271,
title = {T\"oRF: Time-of-Flight Radiance Fields for Dynamic Scene View Synthesis},
author = {Benjamin Attal and Eliot Laidlaw and Aaron Gokaslan and Changil Kim and Christian Richardt and James Tompkin and Matthew O'Toole},
journal= {arXiv preprint arXiv:2109.15271},
year = {2021}
}
备注
Accepted to NeurIPS 2021. Web page: https://imaging.cs.cmu.edu/torf/ NeurIPS camera ready updates -- added quantitative comparisons to new methods, visual side-by-side comparisons performed on larger baseline camera sequences