神经瞬态场非直视成像
本文提出了一种使用单光子激光雷达系统测量的时间分辨光子计数直方图来渲染瞬态 NeRFs 的新方法,并且通过少量输入视点的训练,相较于基于点云监督的方法能够更好地恢复几何和传统外观。瞬态 NeRFs 对于在自动驾驶、机器人技术和遥感领域中模拟原始激光雷达测量的下游任务特别有用。
Jul, 2023
非直视成像通过利用相位场来重建浸泡在散射介质中的复杂场景,对面临挑战的情况如散射媒体中的场景进行了实证分析,并将该方法应用于真实场景,表明其与最新的弥散光学层析成像方法性能相似。
Aug, 2023
我们提出了一种新的通用方法,用于阴影感知的多视角卫星摄影测量。我们的建议方法是采用隐式体积表示学习中的最新进展。通过训练 Shadow Neural Radiance Field (S-NeRF) 模型,我们能够实现对场景进行 3D 形状估算、阴影检测和透明物体过滤,而不需要任何显式形状监督。
Apr, 2021
通过将深度先验与 Neural Radiance Fields(NeRFs)相结合,我们调查了 NeRFs 在航空图像块表示不同特征的能力,并将其与公开可用的航空图像基准数据集的结果进行了比较。
Apr, 2024
通过 NeRF 的方法来实现对于图像的 View Synthesis, 本文提到了 NeRF 的成功之处以及在应用于大规模无界三维场景中进行改进,使其在 360° 的拍摄模式下提高拍摄质量。
Oct, 2020
本文介绍了一种名为 Circular and Confocal Non-line-of-sight (C2NLOS) 扫描的非直线视野成像技术,它使用激光和超快速感应器来测量多次散射光的行程时间,以了解隐藏的场景。与现有的 NLOS 技术相比,这种技术可以更高效的扫描目标,同时提高成像的质量和效率。
Aug, 2020
Neural Radiance Field (NeRF) is a framework representing a 3D scene with MLP, achieving state-of-the-art photorealistic image renderings for view synthesis and expanding capabilities to generate views from dynamic scene representations with fewer images for training.
Apr, 2023
该研究提出了一种基于神经辐射场(NeRF)技术的生成全息图的新方法。使用深度神经网络在合理的时间内构建了从 2D 图像生成的 3D 光场的渲染流程,包括 NeRF、深度预测器和全息图生成器,而不需要任何物理计算。通过该流程,可以计算从任意方向观看的 3D 场景的预测全息图。研究还展示了仿真和实验结果。
Mar, 2024
本研究提出了一种基于连续波 ToF 相机的神经表征模型,改进了动态场景的重建质量及鲁棒性,讨论了将 RGB+ToF 传感器集成到现代智能手机上的益处和局限性。
Sep, 2021