介绍一种神经场成对配准的威廉希尔官方网站 NeRF2NeRF

大家好，今天要介绍的论文是来自多伦多大学和谷歌研究室的NeRF2NeRF：神经辐射场的配对配准。

摘要

我们介绍了一种神经场成对配准的威廉希尔官方网站 ，它扩展了基于优化的经典局部配准（即ICP）以操作神经辐射场（NeRF）。NeRF不分解光照和颜色，因此为了使配准不受光照影响，我们引入了 "表面场 "的概念（Surface Field）--从预先训练的NeRF模型中提炼出来的场，用于测量一个点在物体表面的概率。

然后，我们将nerf2nerf配准作为一个稳健的优化，迭代地寻求一个刚性的变换，使两个场景的表面场对齐。我们通过引入预训练的NeRF场景数据集来评估我们威廉希尔官方网站 的有效性--我们的合成场景能够进行定量评估并与经典的配准威廉希尔官方网站 进行比较，而我们的真实场景则证明了我们的威廉希尔官方网站 在真实世界场景中的正确性。

主要贡献

提出了一种对包含同一物体的两个场景的NeRFs进行配准的方法。

引入表面场作为一个点在物体表面的概率进行配准。

在几个相应的点上对准初始化后，使用NeRF场进行高精度优化。

主要方法：

使用NeRF进行定位主要存在以下问题：

由于色彩信息在不同场景中不一致导致照明和颜色不能分开。

由于物体内部的密度场是有噪声的，没有对闭塞区的密度进行监测的方法。

本文使用的方法是通过使用响应对象表面的场的概率来保持一致性，用以配准两个不同神经场下的场景。

表面场：表面场的主要作用是对渲染过程中透明度变化较大的区域做出反应，假设相机的位置在物体之外，搜索来自每个相机的射线，计算每个参考相机的 "短间隔内的透明度变化"，并使用最大值作为"表面场"。最大值被用作表面场。

设计了一个目标函数，使两个场景之间的坐标变换[R,t]得到优化，这里使用场景之间对应点的表面场值的残差：

用高斯分布对表面场进行卷积，并对其进行平滑处理。

主要结果

审核编辑：刘清