Thermal-NeRF：基于红外相机的神经辐射场
计算机视觉与模式识别
2024-03-18 v1 机器人学
摘要
近年来，神经辐射场在编码高细节3D几何与环境外观方面展现出巨大潜力，成为3D场景重建中传统显式表示的一种极具前景的替代方案。然而，其对RGB成像的过度依赖预设了理想光照条件：这一前提在受困于光照不良或视觉遮挡的机器人应用中往往无法满足。这一局限性忽视了红外相机的能力，后者在低光检测方面表现出色，在此类不利场景下提供了稳健的替代方案。为解决这些问题，我们提出了 Thermal-NeRF，这是第一种仅从红外成像中以 NeRF 形式估计体积场景表示的方法。通过利用源自红外成像热特性的热映射与结构热约束，我们的方法在基于 RGB 的方法失效的视觉退化场景中，展现出恢复 NeRF 的无与伦比的能力。我们进行了大量实验，证明与现有方法相比，Thermal-NeRF 能够实现更优的质量。此外，我们贡献了一个基于红外成像的 NeRF 应用数据集，为未来红外 NeRF 重建研究铺平了道路。
引用
@article{arxiv.2403.10340,
title = {Thermal-NeRF: Neural Radiance Fields from an Infrared Camera},
author = {Tianxiang Ye and Qi Wu and Junyuan Deng and Guoqing Liu and Liu Liu and Songpengcheng Xia and Liang Pang and Wenxian Yu and Ling Pei},
journal= {arXiv preprint arXiv:2403.10340},
year = {2024}
}