针孔和鱼眼通吃！FBINeRF：基于特征的循环神经网络，适应径向失真的灵活BA方法

文章预览

点击下方 卡片 ，关注“ 3D视觉之心 ”公众号 第一时间获取 3D视觉干货 >> 点击进入→ 3D视觉之心技术交流群 精确姿态的强依赖 NeRF对初始相机姿态信息的精确性有较高要求。然而，在实际操作中，获取相机姿态非常昂贵。在以往的研究中，相机姿态通常通过结构从运动（SfM）方法获取。在SfM及其变体中，相机姿态是在一个关键点度量重投影误差下优化的，这个过程称为捆绑调整。SfM在处理缺乏纹理或包含自相似元素的场景时可能遇到困难，并且通常非常耗时，需要数天才能完成大规模场景的处理。 因此，NeRF面临的一个重大挑战是它对精确相机姿态的强烈依赖，以产生高质量的渲染 。 近期的研究提出了联合训练相机姿态恢复与NeRF的方法受高维函数中非平滑优化的启发，BARF[2]采用了一种由粗到精的策略，最初消除高频成分，然后在低频成分达到 ………………………………