TivNe-SLAM：基于时变神经辐射场的动态建图与跟踪
计算机视觉与模式识别
2025-02-11 v7
摘要
先前将神经辐射场（NeRF）集成到同步定位与建图（SLAM）框架的尝试，要么依赖于静态场景假设，要么需要真实相机位姿，这阻碍了它们在真实场景中的应用。本文提出一种时变表示来跟踪与重建动态场景。首先，我们的框架中同时维护两个过程：跟踪过程与建图过程。在跟踪过程中，所有输入图像被均匀采样，然后以自监督范式逐步训练。在建图过程中，我们利用运动掩码区分动态物体与静态背景，并从动态区域采样更多像素。其次，两个过程的参数优化均包括两个阶段：第一阶段将时间与三维位置关联，将形变场转换为规范场；第二阶段将时间与规范场的嵌入关联，以获得颜色和符号距离函数（SDF）。最后，我们提出一种基于重叠率的关键帧选择策略。我们的方法在两个合成数据集和一个真实世界数据集上进行了评估，实验验证了与现有最先进的基于NeRF的动态SLAM系统相比，我们的方法在跟踪和建图方面均取得了具有竞争力的结果。
引用
@article{arxiv.2310.18917,
title = {TivNe-SLAM: Dynamic Mapping and Tracking via Time-Varying Neural Radiance Fields},
author = {Chengyao Duan and Zhiliu Yang},
journal= {arXiv preprint arXiv:2310.18917},
year = {2025}
}