Die Studie präsentiert eine innovative Methode namens Entity-NeRF, die die Stärken wissensbasierter und statistischer Ansätze nutzt, um bewegte Objekte in urbanen Szenen effizient zu identifizieren und zu entfernen.
Zunächst wird eine Entity-basierte Statistik der Rekonstruktionsfehler (Entity-wise Average of Residual Ranks, EARR) verwendet, um Objekte als beweglich oder statisch zu klassifizieren. Zusätzlich wird eine stationäre Entitätsklassifikation eingeführt, die komplexe Hintergründe wie Gebäude bereits in den frühen Lernphasen effizient in den Lernprozess einbezieht.
Die umfassenden Experimente auf einem speziell erstellten Datensatz urbaner Szenen zeigen, dass Entity-NeRF die Entfernung bewegter Objekte und die Rekonstruktion statischer Hintergründe deutlich verbessert, sowohl quantitativ als auch qualitativ, im Vergleich zu bestehenden Methoden.
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Takashi Oton... at arxiv.org 03-26-2024
https://arxiv.org/pdf/2403.16141.pdfDeeper Inquiries