论文标题

AltNeRF: Learning Robust Neural Radiance Field via Alternating Depth-Pose Optimization
AltNeRF: 通过交替深度-姿态优化学习鲁棒的神经辐射场

论文链接

AltNeRF: Learning Robust Neural Radiance Field via Alternating Depth-Pose Optimization论文下载

论文作者

Kun Wang, Zhiqiang Yan, Huang Tian, Zhenyu Zhang, Xiang Li, Jun Li, Jian Yang

内容简介

本文提出了AltNeRF，一个新颖的框架，旨在通过自监督单目深度估计（SMDE）从单目视频中生成鲁棒的神经辐射场（NeRF）表示，而无需依赖已知的相机姿态。AltNeRF通过学习深度和姿态先验来规范NeRF训练，增强了NeRF对场景几何的精确描绘能力，并为后续的姿态细化提供了稳健的起点。该框架引入了一种交替算法，将NeRF输出与SMDE结合，通过一致性驱动机制提升深度先验的完整性。实验结果表明，AltNeRF在生成高保真和鲁棒的新视角方面表现出色，能够有效克服现有NeRF方法的局限性。

分点关键点

1. AltNeRF框架

   • AltNeRF结合了自监督单目深度估计（SMDE）和NeRF优化，通过交替优化这两者，提升了场景表示的鲁棒性。SMDE从单目视频中学习深度和姿态先验，为NeRF提供了有效的初始化和约束。

2. 深度和姿态先验

   • 深度先验增强了NeRF对场景几何的精确描绘，而姿态先验则为后续的姿态细化提供了稳健的起点。通过引入深度先验，AltNeRF能够有效缓解形状歧义，避免NeRF优化陷入次优解。

3. 交替算法

   • AltNeRF的交替算法通过将SMDE和NeRF的优势结合，逐步提升两者的性能。该算法允许在每个迭代中更新深度和姿态，确保生成的场景表示更加准确和可靠。

4. 实验结果

   • 在LLFF、ScanNet、CO3D等数据集上的大量实验表明，AltNeRF能够合成高保真且鲁棒的新视角，超越了现有的NeRF方法，展示了其在实际应用中的潜力。

论文代码

代码链接：https://github.com/AltNeRF

中文关键词

1. 神经辐射场
2. 自监督单目深度估计
3. 深度先验
4. 姿态优化
5. 交替算法
6. 场景表示

AAAI论文合集：

AAAI论文合集

希望这些论文能帮到你！如果觉得有用，记得点赞关注哦~ 后续还会更新更多论文合集！！