BAD-NeRF: Bündelangepasste Entschleierung neuronaler Strahlungsfelder

Neuronale Strahlungsfelder (NeRF) haben kürzlich erhebliche Aufmerksamkeit erhalten, aufgrund ihrer beeindruckenden Fähigkeit zur fotorealistischen 3D-Rekonstruktion und Neuansichtsynthese anhand eines Satzes von positionierten Kameraaufnahmen. Frühere Arbeiten gehen meist davon aus, dass die Eingabebilder von guter Qualität sind. In echten Szenarien kann es jedoch leicht zu Bildverschlechterungen kommen (z. B. Bewegungsunschärfe bei schlechten Lichtverhältnissen), was die Renderqualität von NeRF weiter beeinträchtigen würde. In diesem Artikel stellen wir neuartige bündelangepasste entschleierte neuronale Strahlungsfelder (BAD-NeRF) vor, die robust gegenüber stark bewegungsunscharfen Bildern und ungenauen Kamerapositionen sind. Unser Ansatz modelliert den physikalischen Bildentstehungsprozess eines bewegungsunscharfen Bildes und lernt gemeinsam die Parameter von NeRF sowie die Kamerabewegungstrajektorien während der Belichtungszeit. In Experimenten zeigen wir, dass BAD-NeRF durch direkte Modellierung des realen physikalischen Bildentstehungsprozesses überlegene Leistungen gegenüber früheren Arbeiten auf synthetischen und realen Datensätzen erzielt. Code und Daten sind verfügbar unter https://github.com/WU-CVGL/BAD-NeRF.