| 文章来源：SD科技制造 计算机视觉life”，选择“星标” 快速获得最新干货
论文名：Dense Depth Priors for Neural Radiance Fields from Sparse Input Views 作者单位：慕尼黑工业大学，Google研究院 论文：https://arxiv.org/abs/2112.03288 主页：https://barbararoessle.github.io/dense_depth_priors_nerf 代码：https://github.com/barbararoessle/dense_depth_priors_nerf 收录：CVPR 2022 神经辐射场（NeRF）将场景编码为神经表示，以实现新视图的照片真实感渲染。我们的方法旨在从数量级较少的图像合成整个房间的新视图。为此，我们利用稠密深度先验来约束NeRF优化。首先，我们利用从运动结构（SfM）预处理步骤免费获得的稀疏深度数据来估计相机姿态。其次，我们使用深度补全将这些稀疏点转换为稠密深度图和不确定性估计，用于指导NeRF优化。我们的方法能够在具有挑战性的室内场景中实现数据高效的新视图合成，整个场景仅使用18-36幅图像。 贡献： 一种数据高效的新视图合成方法，可以达到房间及的真实场景重建 一种增强噪声稀疏深度图SFM输入来实现NeRF优化的方法 一种引导NeRF深度信息时的变量不确定技术 文章来源：SD科技制造 转载声明： 本文为转载发布，仅代表原作者或原平台观点或立场，不代表我方观点。亚太菁英传媒及旗下澳洲门户网(ozportal.tv)仅提供信息发布平台，文章或有适当删改。对转载有异议和删稿要求的原著方，可联络info@ozportal.tv。 |
