SAID-NeRF:透明物体的分割辅助 NeRF 深度补全
原文中文,约500字,阅读约需2分钟。发表于: 。使用 Visual Foundation Models(VFMs)以零样本、无标签的方式,通过同时重建语义场和增强模型来指导 NeRF 重建过程,从而获取透明物体的准确深度信息。我们的方法 SAID-NeRF 在透明物体深度完成数据集和机器人抓取方面展现了显著的性能。
该研究提出了Open-NeRF,通过利用大规模的分割模型和层次嵌入,实现了从开放词汇中将神经辐射场分解为对象的挑战。实验结果表明,Open-NeRF在开放词汇的场景中胜过了其他方法。该研究为NeRF分解提供了一个有前途的解决方案,能够在开放世界的三维场景中实现新的机器人和视觉语言交互应用。