用可组合对象的 NeRF 来缩小视觉模拟与实际之间的差距
原文中文，约200字，阅读约需1分钟。发表于：。COV-NeRF 是一个用于合成真实世界训练数据的 NeRF 模型，通过从真实图像中提取对象并将其组合到新场景中，生成逼真的渲染图像和多种 2D 和 3D 监督信息，包括深度图、分割掩膜和网格，以快速消除各种感知模式之间的模拟与真实差距。
本文介绍了一种使用神经放射场的全可微合成数据管道，可按需生成数据，提高目标任务准确性。作者展示了方法在合成和实际物体检测任务中的有效性，并引入了新的数据集和基准测试(YCB-in-the-Wild)。
