Jun, 2023

NERFBK：基于 NERF 的三维重建高质量基准测试集

PDF
TL;DR本文介绍了一个名为 NeRFBK 的新的真实和合成数据集，特别设计用于测试和比较基于 NeRF 的三维重建算法。该数据集提供多尺度、室内外数据和相机参数，以测试和比较 NeRF-based 算法，具有显著的潜力推动三维重建领域的发展。
发现论文，激发创造
  • VBR：罗马视觉基准测试

    本文介绍了一份在罗马收集的视觉和感知研究数据集，包括 RGB 数据、3D 点云、IMU 和 GPS 数据，并引入了一个新的基准用于视觉里程计和 SLAM，以推进自主机器人和计算机视觉的研究。

    Apr, 2024

  • Enhance-NeRF: 神经辐射场的多重性能评估

    该研究通过提出 Enhance-NeRF 模型，增强神经放射场（NeRF）在虚拟现实和增强现实等领域的三维重建应用，改进了场景识别和学习能力，有望广泛应用于照明、材质和形状的室外场景重建，具备插拔式的易用性，并能够与其他 NeRF-based 模型轻松集成。

    Jun, 2023

  • 朝着稳健的 NeRF 评估框架

    本文介绍了一个新的测试框架以专门用于评估神经辐射场（NeRF）模型的性能，该框架通过训练和评估 NeRF 的显式辐射场表示来解耦神经渲染网络和 NeRF 管道，并提出了一种配置方法来生成特定于评估目的的表示形式。我们还提出了一种新的指标来衡量该框架的任务复杂性，该指标考虑到了视觉参数和空间数据的分布。

    May, 2023

  • MobileBrick：在移动设备上构建三维重建的乐高

    通过利用具备已知几何形状的乐高模型，在手机采集的高分辨率 RGB 图像和低分辨率深度图的基础上，得到了 153 个 3D 对象模型的高精度 3D 真实形状，该多视角 RGBD 数据集可在 3D 重建领域提供独特机会，对多种 3D 重建算法进行了评估。

    Mar, 2023

  • 评估 NeRF 在野外条件下的三维植物几何重建

    使用不同的神经辐射场（NeRFs）技术，通过评估对不同环境中的植物进行（3D）重建的方法，展示了 NeRF 在详细和真实的植物建模中的潜力，并提出了增强 3D 重建过程速度和效率的实用方法。

    Feb, 2024

  • 斯坦福 - ORB: 三维物体逆向渲染实际世界基准

    我们引入了 Stanford-ORB，一个新的真实世界的 3D 物体逆向渲染基准。我们通过提供一个新的真实世界的数据集，并使用该数据集建立了首个全面的真实世界评估基准，评估对象逆向渲染任务在野外场景的性能，并比较了各种现有方法的表现。

    Oct, 2023

  • 用于多视角三维重建的现实数据集

    本文介绍了一种包含近千个三维对象模型及超过 84 万个现实世界的 RGB 和深度图像数据集，旨在填补现有研究中缺乏的三维多视图重建的真实数据基准。该数据集通过半自动方式实现相机位置与物体姿态的精准标注，为形状重建、物体姿态估计、形状检索等 3D 应用提供了可能。数据集已开放，包含注释工具和评估基准源代码。

    Mar, 2022

  • 神经 RGB-D 表面重建

    该研究论文提出了一种基于截断有符号距离函数的 NeRF 框架的 3D 重建方法，结合 RGB-D 传感器和相机细化技术，得到高质量的空间重建结果。

    Apr, 2021

  • NerfBaselines：新视角综合方法的一致可重现评估

    针对新颖视角合成的问题，我们提出了一个名为 NerfBaselines 的框架来解决评估方法不一致、安装困难以及难以推广到新颖三维场景等问题，并通过实验证实了该框架的可行性。

    Jun, 2024

  • 神经辐射场场景重建探索：合成、真实世界和动态场景

    该论文主要研究使用神经辐射场（NeRF）方法对合成和真实场景进行 3D 重建，包括利用多分辨率哈希编码等技术在静态和动态场景重建方面的研究。其中，还着重探讨了神经辐射场（D-NeRF）对动态场景重建的应用，并成功将其推广至真实世界动态场景。

    Oct, 2022