Jun, 2024

基于事件驱动束调整的去模糊神经辐射场

PDF
TL;DR提出了用于去模糊的神经光辐射场（NeRF）的事件驱动捆绑调整方法（EBAD-NeRF），该方法通过利用混合事件 - RGB 数据来联合优化可学习的姿势和 NeRF 参数，引入了强化相机运动模糊的强度变化度量事件损失和光度模糊损失，实验证明 EBAD-NeRF 在曝光时间内可以准确获得相机姿势，并学习到比以前的方法更清晰的 3D 表示。
neural radiance fieldsmotion blurdeblurringevent camerabundle adjustment
发现论文，激发创造
  • 利用事件和帧减轻神经辐射场中的运动模糊

    本文提出了一种利用模型和学习模块的新方法，通过显式建模模糊形成过程和使用端到端可学习的响应函数来适应实际事件相机传感器中的非理想性，解决了运动模糊对 Neural Radiance Fields (NeRFs) 渲染图片质量的影响问题，结果显示该方法在合成和真实数据上优于仅使用帧或帧与事件相结合的已有去模糊 NeRFs，分别提高了 6.13dB 和 2.48dB。

    Mar, 2024

  • EvDNeRF：使用动态神经辐射场重建事件数据

    用于捕捉快速运动的刚性和非刚性变形的事件流的准确重建的管道的 EvDNeRF，可以从静态或移动视点在任何所需的时间戳之间预测动态场景的事件流，因此可用作给定场景的基于事件的模拟器。

    Oct, 2023

  • 稳健的 e-NeRF：在非均匀运动下从稀疏且嘈杂的事件中恢复 NeRF

    提出了一种名为 Robust e-NeRF 的新方法，它可以在各种真实世界条件下直接且稳健地从移动事件相机中重建 NeRF，特别是从非均匀运动下生成的稀疏和嘈杂事件中。

    Sep, 2023

  • BARF: 捆绑调整神经辐射场

    本文提出了 Bundle-Adjusting Neural Radiance Fields (BARF) 用于训练 NeRF 从不完美（甚至未知）相机姿态学习神经 3D 表示，并展示了其在视图合成和定位视频序列方面的应用。

    Apr, 2021

  • CBARF：基于级联的绑定调整神经辐射场技术在不完全相机位姿下的应用

    我们提出了一种新颖的三维重建框架 CBARF，通过级联更新相机姿态和使用邻近替换策略来优化姿态和合成新视角，实验结果表明 CBARF 在姿态优化和新视角合成方面取得了最先进的性能。

    Oct, 2023

  • Deblur-NeRF: 模糊图像的神经辐射场

    提出了 Deblur-NeRF 方法，采用分析合成方法重建模糊视图，通过 Deformable Sparse Kernel 模块对空间可变模糊核进行建模，共同优化 NeRF 和 DSK 模块，从而恢复锐利的 NeRF。

    Nov, 2021

  • DyBluRF: 模糊单目视频中的动态神经光辐射场

    提出 DyBluRF 方法，通过在受到运动模糊的单目视频中捕捉相机轨迹和场景内物体的离散余弦变换 (DCT) 轨迹，以及采用全局跨时间渲染方法来实现生成高质量、清晰的新视角，并保持场景的时空一致性。在经过特定定制的多样化动态场景数据集上进行的实验结果表明，该方法在从运动模糊输入生成清晰的新视角并保持场景的时空一致性方面优于现有方法。

    Mar, 2024

  • 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

  • BAD-Gaussians：捆绑调整模糊高斯喷塗

    BAD-Gaussians 是一种新的方法，利用显式高斯表示和处理照相机姿势不准确的重度运动模糊图像，实现高质量的场景重建，并通过显式优化控制点云的高斯球来实现实时渲染。

    Mar, 2024

  • URS-NeRF：面向神经辐射场的无序滚动快门束调整

    提出了一种新颖的滚动快门捆绑调整方法，用于神经辐射场（NeRF），利用无序滚动快门（RS）图像获取隐式 3D 表示。通过估计相机姿态和速度，恢复 RS 图像的物理形成，从而消除了对顺序数据的输入限制。采用自粗糙到精细的训练策略，利用场景图中成对帧的 RS 对极约束来检测落入局部极小值的相机姿态。通过与相邻姿态的插值方法对检测为异常值的姿态进行修正。实验结果验证了我们的方法在最新工作中的有效性，并证明 3D 表示的重建不受视频序列输入要求的限制。

    Mar, 2024