相关实验视频
Updated: Jul 13, 2026
09:30
Super-resolution Imaging of Neuronal Dense-core Vesicles
Published on: July 2, 2014
9.7K
MBS-NeRF:从运动模糊的稀疏图像中重建尖的神经辐射场
Changbo Gao1, Qiucheng Sun2, Jinlong Zhu1
1Changchun Normal University, Changchun, 130032, China.
Scientific reports
|February 12, 2025
概括
本研究介绍了MBS-NeRF,这是一个从动作模糊图像中重建神经辐射场 (NeRF) 的框架. 它使高质量的视图合成,即使在有限的,退化的输入数据.
科学领域:
- 计算机视觉 计算机视觉
- 计算机图形 计算机图形
- 机器学习 机器学习
背景情况:
- 神经辐射场 (NeRF) 能够使用多层感知子 (MLP) 来实现现实的视图合成,以实现隐式场景表示.
- 输入图像数量和质量的退化阻碍了NeRF的场景重建和高质量的视图合成.
研究的目的:
- 开发一个基于NeRF的框架 (MBS-NeRF),能够从有限的动作模糊输入图像中重建清晰的NeRF.
- 为了实现高质量的视图合成,尽管输入数据的限制.
主要方法:
- 集成深度信息作为补偿视图数据不足的约束.
- 引入一个运动模糊模拟模块 (MBSM) 来模拟运动模糊的形成.
- 在曝光期间实施相机轨迹优化,以提高对不正确的相机位置的稳定性.
- 用光度一致性和深度监督进行培训.
主要成果:
- 从稀疏的,动作模糊的输入成功重建了尖的NeRF.
- 在合成和真实数据集上验证的高质量的视图合成能力.
- 在克服退化输入图像的局限性方面MBS-NeRF的有效性.
结论:
- MBS-NeRF有效地重建NeRF,并从有限的,动作模糊的图像中合成高质量的视图.
- 该框架解决了因输入数据质量差而导致的NeRF重建中的关键挑战.
- 深度集成和运动模糊模拟对于强大的NeRF性能至关重要.
