Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关实验视频

MC-NeRF:用于多摄像头图像采集系统的多摄像头神经辐射场.

Yu Gao, Lutong Su, Hao Liang

    IEEE transactions on visualization and computer graphics
    |March 3, 2025
    PubMed
    概括

    在多摄像头系统中,MC-NeRF优化了神经辐射场 (NeRF) 的内在和外在摄像头参数. 这种方法可以提高3D场景重建的准确性,使用不同的摄像头设置.

    相关实验视频

    相关概念视频

    您也可能阅读

    相关文章

    通过共同作者、期刊和引用图与本文相关的文章。

    排序
    Same author

    Single-cell RNA-seq reveals mRNAs and lncRNAs important for oocytes in vitro matured in pigs.

    Reproduction in domestic animals = Zuchthygiene·2021
    Same author

    Effects of the histone acetylase inhibitor C646 on growth and differentiation of adipose-derived stem cells.

    Cell cycle (Georgetown, Tex.)·2021
    Same author

    A Method for Estimating 24-Hour Urinary Sodium Excretion by Casual Urine Specimen in Chinese Hypertensive Patients.

    American journal of hypertension·2021
    Same author

    <i>Scutellaria baicalensis</i> extract and baicalein inhibit replication of SARS-CoV-2 and its 3C-like protease <i>in vitro</i>.

    Journal of enzyme inhibition and medicinal chemistry·2021
    Same author

    Frequent reassortment and potential recombination shape the genetic diversity of influenza D viruses.

    The Journal of infection·2021
    Same author

    Evaluation of origanum oil, hydrolysable tannins and tea saponin in mitigating ruminant methane: In vitro and in vivo methods.

    Journal of animal physiology and animal nutrition·2021

    科学领域:

    • 计算机视觉 计算机视觉
    • 3D重建的3D重建
    • 机器学习 机器学习

    背景情况:

    • 神经辐射场 (NeRF) 擅长使用多视图图像进行3D场景表示.
    • 多摄像头系统为NeRF带来了挑战,因为内在/外在参数各不相同,并带来了变化.
    • 现有的NeRF方法通常假设单个摄像头或在多摄像头场景中与参数优化作斗争.

    研究的目的:

    • 开发一种新的方法,MC-NeRF,用于共同优化NeRF内部的内在和外在参数,用于多摄像头系统.
    • 解决基于NeRF的3D场景重建中相机参数变化和初始化不良的挑战.
    • 为了使单个摄像机以不同的参数捕获的多视图图像能够准确地进行3D表示.

    主要方法:

    • 引入了MC-NeRF,用于联合优化NeRF,内在和外在参数,允许每图像相机配置.
    • 建议使用辅助图像进行解约束,以解决内在和外部参数优化之间的合问题.
    • 开发了一种高效的辅助图像采集方案,以减轻参数脱过程中的退化病例,并引入了一个新的数据集.

    主要成果:

    • 与基线方法相比,MC-NeRF在不同相机参数的场景中表现出卓越的性能.
    • 在内在参数估计,外在参数估计和尺度估计方面取得了显著的改进.
    • 展示了从多摄像头数据重建的3D场景的增强染质量.

    结论:

    • 在复杂的多摄像头设置中,MC-NeRF有效地处理NeRF相机参数的联合优化.
    • 建议的脱策略和辅助图像方案对于可靠的参数估计至关重要.
    • 该方法提供了一个强大的解决方案,用于准确的3D场景重建,使用来自不同相机特征的系统的多视图图像.