CamP: 神经辐射场的相机预处理
通过增量式运动结构 (SfM) 启发的相机参数自由神经辐射场 (CF-NeRF) 模型,逐渐重建三维表示并恢复相机参数,能够鲁棒处理相机旋转场景,并在不提供先验信息和约束的情况下实现最先进的结果。
Dec, 2023
本文提出 NeRF-- 用于学习相机内参和位姿,在各种相机运动情况下实现了准确的相机参数估计,并且在合成数据集 BLEFF 上实现了可比较的新视角渲染质量,为 2D 图像生成 3D 场景的任务提供了新思路。
Feb, 2021
该研究论文提出了一种称为 MC-NeRF 的方法,能够联合优化束调整神经辐射场的内参和外参参数,解决了多相机系统的挑战,并提供了一个有效的校准图像采集方案,实现了不提供初始姿势的三维场景表示。
Sep, 2023
优化 NeRF 模型时,良好的数据样本和有效的相机位置选择对于最终重建的可视化质量至关重要。本研究提出了一种算法,能够以最少的假设来提供改善可视化质量的新相机位置,并在各方面优于基线和类似方法。
Aug, 2023
本文提出了一种基于神经辐射场(NeRF)的两阶段流程,通过标准化具有不同光照和阴影条件的图像来改善相机重定位,并在基于哈希编码的 NeRF 上实现场景表示,进一步利用重新设计的截断动态低通滤波器(TDLF)和数值梯度平均技术来解决网格化 NeRF 中的噪声图像梯度计算问题,实验证明我们的方法在不同光照条件下的相机重定位取得了最先进的结果。
May, 2024
本文提出了一种用于一般相机的自校准算法,用于处理任意非线性失真,所提出算法采用了针孔模型、四阶径向失真和可以学习任意非线性相机失真的通用噪声模型。同时,为了实现几何一致性,使用了 Neural Radiance Fields,以及一种新的几何损失函数来处理复杂的非线性相机模型,通过在标准的实际图像数据集上验证,证明了我们的模型可以从头开始学习相机内参和外参,而无需 COLMAP 初始化。并且表明在可微分的方式下学习准确的相机模型可以提高 PSNR,这是一个易于使用的插件,可应用于 NeRF 变体以提高性能。
Aug, 2021
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
使用图像对应先验来监督神经辐射场的训练,生成稠密高质量的对应关系,并将其用于规范化神经辐射场的训练,从而在新视角合成和表面重建任务中优于先前的方法。
Dec, 2023
本研究评估了 Neural Radiance Fields 在工业机器人应用中的潜力,并提出了一种替代 Structure from Motion 预处理的方法,通过基于机器人运动学的度量尺度确定了精确的相机姿态,表明在具有挑战性的场景中具有明显优势,并展示了在缺乏真实数据的情况下,应用集成方法估计合成新视图的质量的初步结果。
May, 2024
本文提出了一种名为 LU-NeRF 的方法,通过利用放松姿态配置的放松姿态配置来同时估计相机姿态和神经辐射场,通过局部到全局的优化和姿态同步等步骤, 在一般的 SE(3)姿态设置下,无需对姿态先验进行强制约束,相比先前无姿态配置进行的 NeRF 试验表现更佳,这也使得其为特征基于的 SfM 管道提供了互补的选择。
Jun, 2023