WarpRF：训练免费的多视图一致性不确定性量化及其在辐射场中的应用
计算机视觉与模式识别
2025-06-30 v1
摘要
我们提出了WarpRF，一个面向辐射场不确定性量化的训练免费通用框架。基于光谱和几何一致性应用于准确模型渲染图像之间的假设，WarpRF 通过利用视点间的反向变形，将可靠渲染投影到不可见视点，并衡量其与该视点渲染图像的一致性来量化其底层不确定性。WarpRF 简单且低成本，不需要任何训练，可免费应用于任何辐射场实现。WarpRF 在不确定性量化和下游任务方面都表现出色，例如主动视点选择和主动地图构建，甚至超越了任何针对特定框架优化的现有方法。
引用
@article{arxiv.2506.22433,
title = {WarpRF: Multi-View Consistency for Training-Free Uncertainty Quantification and Applications in Radiance Fields},
author = {Sadra Safadoust and Fabio Tosi and Fatma Güney and Matteo Poggi},
journal= {arXiv preprint arXiv:2506.22433},
year = {2025}
}
备注
Project page: https://kuis-ai.github.io/WarpRF/