TrackNeRF:通过特征轨迹从稀疏和噪声视图中优化NeRF
原文中文,约300字,阅读约需1分钟。发表于: 。本研究解决了在稀疏视图和噪声姿态下进行神经辐射场(NeRF)重建的挑战。通过引入特征轨迹的方法,TrackNeRF 能够在全局范围内增强几何一致性和姿态优化。实验表明,TrackNeRF在稀疏和噪声视图重建中显著提高了性能,树立了新的基准。
我们提出了一种基于补丁的方法,通过利用单眼表面法线和相对深度预测,在几何学和视图合成方面提供准确的3D模型。实验结果表明,在ETH3D MVS基准测试中,我们的方法在平均F1@2cm上提供了RegNeRF的4倍性能和FreeNeRF的8倍性能。这为改善基于NeRF模型的几何精度以及促使NeRF模型超越传统MVS方法提供了有价值的研究方向。