AAAIDec, 2023

CF-NeRF：无需相机参数的逐步学习神经辐射场

PDF
TL;DR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。
neural radiance fieldscamera parameterscf-nerf3d representationscamera rotation
发现论文，激发创造
  • 无相机已知参数的神经辐射场（Neural Radiance Fields）--NeRF--

    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

  • CT-NeRF：复杂轨迹下的逐步优化神经辐射场与姿态

    CT-NeRF 是一种仅使用 RGB 图像而不需要姿态和深度信息的增量重建优化管道，通过本地 - 全局捆绑调整和重投影几何图像距离约束，实现对相机姿态和场景结构的恢复，能够处理具有复杂轨迹的场景，并在新视角合成和姿态估计准确度方面优于现有方法。

    Apr, 2024

  • IL-NeRF：具备相机姿态对齐的神经光辐射场的增量学习

    IL-NeRF 是一种用于增量训练 NeRF 的新框架，通过选择过去的摄像机姿态作为参考点，初始化和对齐传入图像数据的摄像机姿态，然后进行联合优化摄像机姿态和基于回放的 NeRF 知识蒸馏，实现了更高的渲染质量。

    Dec, 2023

  • NeRF++：分析和改进神经辐射场

    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

  • MC-NeRF：用于多摄像头图像采集系统的多摄像头神经辐射场

    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

  • CamP: 神经辐射场的相机预处理

    我们研究了如何通过改进相机参数优化方法来提高神经辐射场（NeRF）在三维场景重建中的质量，并提出了一种使用白化变换作为相机参数的预处理器来显著改善重建质量的方法。

    Aug, 2023

  • 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

  • 通过渐进相机布置提升 NeRF 在复杂环境中的质量

    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

  • INeRF: 反演神经辐射场用于姿势估计

    iNeRF 是一种基于 “倒置” 神经辐射场（NeRF）的框架，它可以通过合成图像与观察图像像素之间的残差最小化来实现无网格姿态估计。实验表明，iNeRF 可以应用于复杂的真实场景中，还可以执行目录级别物体姿态估计。

    Dec, 2020

  • NeRFReN: 具有反射特性的神经辐射场

    该研究提出了 NeRFReN，它是基于 NeRF 的，能够建模带有反射的场景，并将场景分为透射和反射组件，用单独的神经辐射场来建模两个组件，以实现高质量的新视图综合和深度估计结果。

    Nov, 2021