WaterNeRF：面向水下场景的神经辐射场
机器人学
2023-10-03 v2 计算机视觉与模式识别
图像与视频处理
摘要
水下成像是海洋机器人执行水产养殖、海洋基础设施检测和环境监测等广泛应用的关键任务。然而，水柱效应（如衰减与后向散射）会剧烈改变水下捕获图像的颜色与质量。由于水体条件多变且这些效应具有距离依赖性，水下图像复原颇具挑战，进而影响深度估计与三维重建等下游感知任务。本文推进了神经辐射场（NeRFs）的先进水平，以实现物理信息驱动的稠密深度估计与颜色校正。我们提出的方法 WaterNeRF 估计基于物理的水下图像形成模型参数，从而形成数据驱动与模型驱动混合的解决方案。在确定场景结构与辐射场后，我们可生成退化及校正后水下图像的新视角，以及场景的稠密深度。我们在真实水下数据集上对所提方法进行了定性与定量评估。
引用
@article{arxiv.2209.13091,
title = {WaterNeRF: Neural Radiance Fields for Underwater Scenes},
author = {Advaith Venkatramanan Sethuraman and Manikandasriram Srinivasan Ramanagopal and Katherine A. Skinner},
journal= {arXiv preprint arXiv:2209.13091},
year = {2023}
}