BriefGPT - AI 论文速递
·
充分利用热感模态以增强在低光条件下的重建
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
研究者提出了一种新的多模态方法ThermoNeRF，可以联合渲染RGB和热像视图，并学习场景密度。他们还引入了一个新的数据集ThermoScenes来弥补可用数据集的不足。实验证实ThermoNeRF能够实现准确的热像合成，相比于其他方法提高了50%以上。
🎯
关键要点
-
提出了一种新的多模态方法ThermoNeRF，基于神经辐射场。
-
ThermoNeRF能够联合渲染RGB和热像视图，并学习场景密度。
-
使用配对的RGB和热像图像来进行学习，独立网络用于估计颜色和温度信息。
-
引入了新的数据集ThermoScenes，以弥补RGB + 热像数据集的不足。
-
实验证明ThermoNeRF能够实现准确的热像合成，平均绝对误差为1.5℃。
-
与Nerfacto方法相比，ThermoNeRF提高了50%以上的性能。
🏷️
标签
➡️
