本文介绍了一种用于重建密集、几何一致深度的算法，能够处理具有轻度动态运动的挑战性手持捕获输入视频，并提供更高的准确性和几何一致性。改进的重建质量可用于场景重建和高级视频视觉效果。

我们引入了一种新颖的单目视觉里程计系统NeRF-VO，它整合了学习的稀疏视觉里程计和神经辐射场景表示。通过联合优化关键帧位姿和底层密集几何，NeRF-VO在场景表示、新视角合成和密集重建方面表现出色。