Apr, 2023

LiDAR-NeRF: 基于神经辐射场的全息 LiDAR 视角综合

PDF
TL;DR本文提出了一种用于 LiDAR 传感器的新型视角合成任务，并介绍了一种可微分的 LiDAR 渲染器及其结合神经辐射场的端到端框架，证明了该方法在多种数据集上的优越性。
lidarnovel view synthesisdifferentiable renderernerfmulti-view dataset
发现论文，激发创造
  • DiL-NeRF：透视街景中的激光雷达神经辐射场探究

    利用 Lidar 数据改善街景下基于神经辐射场的光线追踪和视图合成技术。

    May, 2024

  • LiDAR4D: 动态神经场用于新颖时空视角 LiDAR 合成

    基于 LiDAR 的 LiDAR4D 框架，通过 4D 混合表示和几何限制，实现了具有几何感和时间一致性的动态重构技术。

    Apr, 2024

  • 使用神经辐射场生成逼真的 LiDAR 点云

    利用实际数据和图像，我们提出了一种新的 LiDAR 模拟方法 NeRF-LiDAR 用于生成真实的 LiDAR 点云，以便更有效地训练和验证自动驾驶算法，并可以通过预训练来提高准确性。

    Apr, 2023

  • 城市辐射场

    从由摄像头和扫描器捕捉的 RGB 图像和激光雷达扫描序列中，使用我们的扩展方法，生成具有深度信息的 3D 表面，以及合成新颖的 RGB 图像。

    Nov, 2021

  • NeRF++：分析和改进神经辐射场

    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

  • 神经 LiDAR 场用于新视角合成

    本文提出了一种基于神经场的雷达（NFL）方法，该方法旨在从 LiDAR 测量中优化神经场场景表示，以便合成来自新视点的逼真的 LiDAR 扫描。该方法与 LiDAR 传感过程的详细、物理上可靠的模型相结合，能够准确地再现关键传感器行为，如光束发散、次级返回和光线丢失。我们在合成的和实际的 LiDAR 扫描上评估了 NFL，并表明它在 LiDAR 新视点合成任务上优于显式重建 - 模拟方法以及其他类似 NeRF 的方法。此外，我们展示了综合视图的改善逼真性将领域差距缩小到实际扫描，并转化为更好的注册和语义分割性能。

    May, 2023

  • SAR-NeRF：合成孔径雷达多视角辐射场的神经辐射场

    本研究借鉴神经辐射场（NeRF）的概念，将 SAR 成像机制与神经网络相结合，提出了一种新的 SAR 图像生成模型 SAR-NeRF，它通过自动编码学习了体素的衰减系数和散射强度分布，并在少样本学习任务上实现了较高的分类精度。

    Jul, 2023

  • 瞬时神经放射场用于激光雷达视图合成和三维重建

    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

  • 基于点的神经辐射场模型：Point-NeRF

    该论文介绍了一种新的基于神经网络点云的辐射场模型 ——Point-NeRF，它结合了 NeRF 和深度多视图立体成像两种方法的优点，可用于高质量的视图合成和快速的场景几何重建。Point-NeRF 可以通过射线行走的渲染管道有效地渲染神经点特征，相对于 NeRF 具有快速训练和处理 3D 重建错误和异常数据的优势。

    Jan, 2022

  • SiLVR: 大规模激光雷达视觉重建与神经辐射场用于机器人检测

    本研究提出了一种基于神经场的大规模重建系统，它利用激光雷达和视觉数据生成几何精确且具有照片级真实纹理的高质量重建，同时使用激光雷达 SLAM 系统提供深度和表面法线的强几何约束来改进传统的神经辐射场表示方法。

    Mar, 2024