May, 2023

DäRF：使用单目深度自适应从稀疏输入中提升辐射场

PDF
TL;DR提出一种名为 D"aRF 的新框架，通过在线互补训练将 monocular depth estimation （MDE）网络的强大几何学优势与 Neural radiance fields（NeRF）表示相结合，通过缓解单眼深度的歧义问题来提高其鲁棒性和一致性，在少量真实世界图像情况下实现了强大的 3D 重建和新视角综合，成功解决了现有方法在不同类型场景或数据集上的局限性。
neural radiance fieldsmonocular depth estimation3d reconstructioncomplementary trainingreal-world datasets
发现论文，激发创造
  • 使用深度感知优化提高神经辐射场用于新景深合成

    SfMNeRF 提出了一种基于神经辐射场的方法，结合自监督深度估计方法对样本进行重构，同时利用极线和光度一致性等约束构建 3D 场景几何图像，提高了神经辐射场的表现，实现了更好地合成新视角。

    Apr, 2023

  • AltNeRF：通过交替优化深度和姿态学习鲁棒的神经辐射场

    AltNeRF 是一个新颖的框架，利用自监督单目深度估计（SMDE）从单目视频中创建具有弹性的 Neural Radiance Fields（NeRF）表示，无需依赖已知的相机姿态，通过交替算法将 NeRF 的输出与 SMDE 融合，生成逼真的新视图。

    Aug, 2023

  • 从稀疏的输入视图推断神经辐射场的密集深度先验

    本文提出了一种利用深度先验来优化神经光辐射场模型的新方法，可在使用尽可能少的输入图像进行室内场景的数据有效的新视角合成中实现高保真度。

    Dec, 2021

  • 深度监督下的 NeRF：更少的视角和更快的训练

    通过引入深度监督机制，结合 SFM（结构光运动）得到的 “自由” 深度监督信息，在学习 Radiance Fields 的过程中对射线的结束点进行分布的损失函数，并且证明这种监督方式简单有效，可以使得渲染图像更加精准，支持其它类型的深度监督。

    Jul, 2021

  • 从航空影像进行深度监督的神经表面重建

    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

  • NerfingMVS: 室内多视图立体的神经辐射场引导优化

    本文提出一种新的多视角深度估计方法，利用传统重建和基于学习的 prior，结合神经辐射场（NeRF）来直接优化隐式体积，消除室内场景中匹配像素的困难步骤，并使用自适应的深度先验来引导 NeRF 的优化过程，通过渲染图像计算出的逐像素置信度图可用于进一步提高深度质量。

    Sep, 2021

  • 从空间雕刻到具有歧义感知深度估计的 NeRFs：SCADE

    提出 SCADe 技术来改善 Neural radiance fields 在稀疏、无约束输入视图下的重建质量，用 monocular depth estimation 产生视图的深度先验，并引入新的方法 cIMLE 处理这个不恰当的问题，最后使用 space carving loss 质导 NeRF 相应地跟踪了多个假设的深度图并从中获取适用于所有视图的共同几何。

    Mar, 2023

  • MonoPatchNeRF: 利用基于路径的单目引导改进神经辐射场

    我们提出了一种基于补丁的方法，通过有效利用单眼表面法线和相对深度预测，在几何学和视图合成方面提供准确的 3D 模型，部分弥补了 NeRF 和传统 MVS 方法之间的几何性能差距，实验结果表明，在 ETH3D MVS 基准测试中，我们的方法在平均 F1@2cm 上提供了 RegNeRF 的 4 倍性能和 FreeNeRF 的 8 倍性能，为改善基于 NeRF 模型的几何精度以及促使 NeRF 模型最终超越传统 MVS 方法的优化提供了有价值的研究方向。

    Apr, 2024

  • 去除神经辐射场中的深度先验

    该论文研究了如何通过集成单目深度估计方法与 NeRF 模型，来显著降低时间消耗、提高场景生成和物体去除的鲁棒性和质量，并结合 KITTI 数据集验证了该方法的有效性。

    May, 2024

  • 从多视角几何学中学习神经辐射场

    MVG-NeRF 组合了传统的多视角几何算法和神经辐射场 (NeRF) 用于基于图像的三维重建。我们提出使用像素级深度和法线来引导 NeRF 优化，以提高所估计表面的质量。实验结果表明，该方法可以从图像中获取干净的三维网格，同时在新视角合成方面具有竞争力的表现。

    Oct, 2022