Jul, 2023

Car-Studio: 从单视角和大量野外图像学习汽车辐射场

PDF
TL;DR通过学习非约束图像和建立来自处理图像的数据集的流程，我们设计了车辐射场，作为城市场景前景的关键部分，以满足模拟器的要求，确保当视角变化时车辆保持清晰，并且轮廓与背景的过渡保持清晰以避免在编辑时产生伪影。通过实验证明我们的模型与基准模型相比具有竞争性能。利用从野外图像构建的数据集，我们的方法逐渐呈现出可控的外观编辑功能。我们将在此 URL 上发布数据集和代码，以促进该领域的进一步研究。
发现论文，激发创造
  • 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

  • 多层级神经场景图用于动态城市环境

    我们提出了一种适用于动态城市环境的新颖分解辐射场方法，通过多级神经场景图表示来估计大规模动态区域的辐射场，并采用快速复合光线采样和渲染技术进行有效的训练和渲染，通过新的视图合成基准测试，我们证明了该方法在更多方面的性能优于先前的方法。

    Mar, 2024

  • 以语言为驱动的姿态条件数据集更新用于神经辐射场中的对象融合

    使用基于语言的方法，通过数据集更新对神经辐射场进行对象操作，将新的前景对象融合到给定的背景中，以生成包含对象和背景的视图一致的照片真实主场景。

    Sep, 2023

  • 基于神经渲染的自动驾驶城市场景重建

    利用多模态数据结合深度学习模型进行密集三维重建，从而提高自动驾驶中的标注验证、数据扩充、缺失 LiDAR 系统的地面真值注释以及自动标记准确性的应用效果。

    Feb, 2024

  • SceneRF: 用 Radiance Fields 进行自监督单目 3D 场景重建

    本论文提出了 SceneRF 方法，采用自监督单目场景重建方法，只用图像序列进行训练，优化辐射场，生成新的深度视图，并成功应用于室内 BundleFusion 和室外 SemanticKITTI 的场景重建中，超越了最近的基线

    Dec, 2022

  • MapNeRF：将地图先验融入神经辐射场用于驾驶视角模拟

    将地图先验信息引入神经辐射场，以实现对应轨迹之外的驾驶场景合成，并保持语义一致性。实验证明该方法能够在车辆摄像头模拟中产生偏离视角的语义一致性。

    Jul, 2023

  • CarPatch: 用于车辆部件辐射场评估的合成基准

    介绍了一种名为 CarPatch 的合成基准数据集，用于评估车辆检查的状态，基于全局和部件指标，可以作为未来此挑战性主题相关工作的基线。

    Jul, 2023

  • 可编辑场景渲染的学习目标组合神经辐射场

    本研究提出了一种新型的神经场景渲染系统，在聚集和现实世界场景中学习对象组合的神经辐射场，具有编辑能力和高效处理能力，并通过新颖的双通道体系结构设计，得以在场景几何和外观以及独立于对象的可学习激活代码条件下训练各个独立目标。通过实验证明，该系统不仅在静态场景新视点综合方面具备优异性能，而且在对象级别编辑方面也能产生逼真的渲染效果。

    Sep, 2021

  • 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

  • 从非姿态图像中学习鲁棒的多尺度神经辐射场表示

    提出了一种改进的神经图像渲染问题的解决方案，通过从不同分辨率的图像中恢复准确的相机参数并利用多尺度神经场网络进行绝对相机姿态估计，该方法实现了从不同视角合成逼真的场景图像。

    Nov, 2023