3D场景重建中的不确定性来源
原文中文，约500字，阅读约需2分钟。发表于：。本研究探讨了在真实场景中进行3D场景重建时的多种不确定性来源，填补了现有NeRF和3D高斯喷射技术在处理噪声、遮挡及模型精度缺失方面的空白。本文提出了一种分类法来描述这些不确定性，并扩展现有方法以纳入不确定性估计技术，显示了在进行不确定性感知的3D重建时考虑多种不确定性因素的重要性。
神经辐射场（NeRFs）是计算机图形学、计算机视觉和摄影测量领域的主要课题。研究者提出了利用提供密度不确定性估计的NeRF-Ensembles来改善3D场景重建和表面重建的质量。通过使用NeRF-Ensembles，可以消除小的异常值，获得更平滑的输出和结构的完整性改善。在三个不同的数据集上进行了验证。
