可逆神经扭曲用于 NeRF
原文中文，约300字，阅读约需1分钟。发表于：。优化姿势和神经辐射场（NeRF）的同时，本文提出了一种新颖的超参化表示，将摄像机姿势作为可学习的刚性变换函数进行建模，并强调在学习刚性变换函数时强制可逆性的重要性，提出了使用可逆神经网络（INN）和几何信息约束的方法，通过合理约束和规范化实现了模型的刚性变换。在合成和真实数据集上的实验证明了我们的方法优于现有基线方法，具有更好的姿势估计和高保真度重建能力。
本文提出了一种新颖的超参化表示方法，通过可学习的刚性变换函数对摄像机姿势进行建模。使用可逆神经网络和几何信息约束实现模型的刚性变换。实验证明该方法在姿势估计和重建能力方面优于现有基线方法。
