无阴影神经光辐射场中的相机重新定位
原文中文，约300字，阅读约需1分钟。发表于：。本文提出了一种基于神经辐射场（NeRF）的两阶段流程，通过标准化具有不同光照和阴影条件的图像来改善相机重定位，并在基于哈希编码的 NeRF 上实现场景表示，进一步利用重新设计的截断动态低通滤波器（TDLF）和数值梯度平均技术来解决网格化 NeRF 中的噪声图像梯度计算问题，实验证明我们的方法在不同光照条件下的相机重定位取得了最先进的结果。
本文提出了一种将新视角合成应用于机器人重定位问题的方法，通过渲染额外合成数据集并选择虚拟相机位置，改进了姿态回归器的定位精度。该方法在公共基准数据集上进行训练，结果显示姿态回归精度受到数据集大小和分布的限制。同时，采用合成的逼真图像进行数据增强。
