wildNeRF：基于稀疏单目数据捕获的野外动态场景完整视角合成
计算机视觉与模式识别
2022-09-22 v1
摘要
我们提出了一种新颖的神经辐射模型，可以自监督方式训练，用于动态非结构化场景的新视角合成。我们的端到端可训练算法在数秒内学习高度复杂的真实静态场景，并在数分钟内学习具有刚性与非刚性运动的动态场景。通过区分静态与运动中心像素，我们从稀疏图像集创建高质量表示。我们在现有基准上进行了广泛的定性与定量评估，并在具挑战性的 NVIDIA Dynamic Scenes Dataset 上确立了性能度量的 SOTA。此外，我们在具挑战性的真实世界数据集（如 Cholec80 与 SurgicalActions160）上评估了我们的模型性能。
引用
@article{arxiv.2209.10399,
title = {wildNeRF: Complete view synthesis of in-the-wild dynamic scenes captured using sparse monocular data},
author = {Shuja Khalid and Frank Rudzicz},
journal= {arXiv preprint arXiv:2209.10399},
year = {2022}
}