EmerNeRF: 基于自监督的紧急时空场景分解
原文中文，约300字，阅读约需1分钟。发表于：。EmerNeRF 是一种基于神经场的简单而强大的方法，用于学习动态驾驶场景的空间 - 时间表示，通过自助引导实现静态和动态场的分解，以及引入流场参数化和聚合多帧特征，从而在重建静态和动态场景时取得了最先进的性能。
本文提出了一种新的街景神经辐射场模型（S-NeRF），通过改进场景参数化函数和学习更好的神经表示来应对现有 NeRF 模型在街景合成中出现的问题，并使用嘈杂和稀疏的 LiDAR 点来提高训练的鲁棒性和减少深度奇异值出现的情况。实验证明，S-NeRF 模型在各种大规模驾驶数据集上的表现优于现有最先进方法，能够减少 7％至 40％的均方误差，并在移动车辆渲染的 PSNR 方面获得了 45％的增益。
