Zero-Pose-Prior NeRF: 未調整・未整理画像からの再帰的放射場再構成

科学分野:

• コンピュータビジョン
• コンピュータグラフィックス
• 機械学習

背景:

• ニューラル放射場（NeRF）は、シーン再構成のために正確なカメラポーズを必要とします。
• 既存のポーズフリーNeRFの手法は、複雑なシーンや大きなカメラ移動に苦労します。
• 現在のポーズフリーアプローチでは、事前知識または合理的な初期化が必要となることがよくあります。

研究 の 目的:

• 事前知識なしで、未調整および未整理の画像コレクションから放射場を回復するための新しい方法を開発すること。
• NeRFアプリケーションにおけるカメラポーズ依存性という重要な障害に対処すること。
• 挑戦的なデータセットから堅牢なシーン再構成と高忠実度のビュー合成を可能にすること。

主な方法:

• 問題を自己ブートストラップサブ問題に分解するZero-Pose-Prior NeRFを提案しました。
• 階層構造と局所から大域への登録順序のためにシーンパーティショニングを実装しました。
• ポーズ推定とシーン表現のために、条件付き分離された位置エンコーディングを考案しました。
• 局所ポーズを推定し、それらを大域ポーズ空間に統合するための再帰的登録を開発しました。

主要な成果:

• 事前の知識なしで正確なカメラポーズ推定を達成しました。
• 未調整および未整理の画像から堅牢な放射場再構成を実証しました。
• 実世界のシーンでの実験において、最先端のポーズフリー手法を上回りました。
• 高忠実度のビュー合成を可能にし、シーン表現の改善を示しました。

結論:

• Zero-Pose-Prior NeRFは、未調整画像コレクションから放射場を効果的に再構成します。
• 提案された方法は、複雑なシナリオにおける既存のNeRF技術の限界を克服します。
• このアプローチは、ポーズ事前知識なしでのNeRFの実世界アプリケーションの可能性を大幅に前進させます。