MMAug, 2023

挖掘室外神经辐射场的深度先验

PDF
TL;DR通过在室外神经辐射场中使用深度先验方法，本研究对常见的深度感知技术和各种应用方式进行了全面的研究和评估，实验证明了一些有趣的发现，有助于实践者和研究人员在训练具有深度先验的神经辐射场模型时获得更好的效果。
neural radiance fieldsdepth priorsoutdoorview synthesisdepth sensing technologies
发现论文，激发创造
  • 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

  • DäRF：使用单目深度自适应从稀疏输入中提升辐射场

    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。

    May, 2023

  • 基于深度引导的 Earth Mover's Distance NeRF 训练

    通过使用经过预训练的扩散模型预测深度并在去噪过程中捕捉不确定性，本研究在 NeRF 监督中提出了一种新的不确定性深度先验方法，通过地球移动距离监督射线终止距离分布，忽略了精确复制深度先验的 L2 损失，并在光度测量上维持性能的同时，在标准深度指标上优于所有基准线。

    Mar, 2024

  • TD-NeRF: 基于截断深度先验的联合相机姿态与神经辐射场优化

    通过联合优化辐射场和相机姿态，利用截断深度先验实现了从未知相机姿态训练 NeRF 的新方法 TD-NeRF，通过三个关键进展：1）提出基于截断正态分布的新型基于深度的射线采样策略，改善了姿态估计的收敛速度和准确性；2）引入了逐步改进深度精确度的粗到精的训练策略，以克服局部最小值和改善深度几何；3）提出了更强鲁棒的帧间点约束，在训练期间增强了对深度噪声的鲁棒性。在三个数据集上的实验结果表明，TD-NeRF 在相机姿态和 NeRF 的联合优化中取得了优越的性能，超过了先前的工作，并生成了更准确的深度几何。

    May, 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

  • 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

  • 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

  • SimpleNeRF：用更简化的方法规范稀疏输入神经辐射场

    使用增强模型和深度监督训练的前馈神经光辐射场模型能在少量视角下实现最新的视图合成表现。

    Sep, 2023

  • DP-NeRF: 利用物理场景先验信息进行去模糊的神经辐射场

    本文提出 DP-NeRF 框架来处理受影响的图片，通过两个物理先验从实际模糊处理中获得刚性模糊核以实现三维一致性，结合深度和模糊之间的关系来细化颜色构图误差，且通过实验结果得出 DP-NeRF 成功提高构建 NeRF 的感知质量，保证 3D 几何和外观一致性。

    Nov, 2022

  • 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