ETH NeRF On-the-go：利用不确定性落地真实世界（CVPR'24）

文章预览

点击下方 卡片 ，关注“ 自动驾驶之心 ”公众号 戳我->  领取 自动驾驶近15个 方向 学习 路线 >> 点击进入→ 自动驾驶之心 『 NeRF 』 技术交流群 论文作者  | Weining Ren 编辑 | 自动驾驶之心 野外场景的NeRF，如何排除干扰物？ 训练一个传统的NeRF模型需要一组带有相机姿态的RGB图像，并且需要手动调整相机设置，如焦距、曝光和白平衡，还面临以下难题： 假设在捕捉过程中场景 必须保持完全静止 ，没有任何如移动物体、阴影或其他动态元素的干扰物。然而，现实世界本质上是动态的，使得这种无干扰物的要求往往难以满足。 从采集的数据中 去除干扰物 也不是一件容易的事。这一过程涉及每个图像的逐像素标注，这对于大场景的长时间捕捉来说是非常耗费人力的。这突显了NeRF在动态、真实世界环境中实际应用的一个关键限制。 一些方法使用预训 ………………………………