基于不确定性驱动的主动建图的神经可见度场
原文中文，约400字，阅读约需1分钟。发表于：。本文提出神经显性场（NVF），这是一种用于应用于主动映射的神经辐射场（NeRF）的新型不确定性量化方法。通过使用贝叶斯网络将基于位置的场不确定性组合到基于光线的相机观测不确定性中，NVF 自然地将更高的不确定性分配给未观察到的区域，帮助机器人选择最具信息量的下一个视点。大量的评估结果表明，NVF 在不确定性量化和场景重建方面表现出色，优于现有方法。
贝叶斯神经辐射场（NeRF）能够明确量化几何体积结构中的不确定性，无需额外网络，适用于挑战性观测和无控制图像。通过引入广义近似和定义与密度相关的不确定性，NeRF方法能够处理RGB和深度图像的不确定性。实验结果显示，贝叶斯NeRF方法提升了全面数据集上RGB和深度图像的性能。
