Core Concepts
カメラポーズの精度を向上させ、ニューラルサーフェス再構築を改善するためにPoRFを導入しました。
Abstract
ニューラルサーフェス再構築はカメラポーズノイズに敏感であり、PoRFはその精度向上に効果的であることが示されました。
PoRFはMLPを使用してカメラのポーズ残差を学習し、エピポーラ幾何学的損失を活用して監督を強化します。
DTUデータセットでは回転誤差が78%減少し、MobileBrickデータセットではF1スコアが75.67に向上しました。
Nerfstudioデータセットでも我々の手法は高い性能を発揮しました。
Stats
COLMAPやARKitなどの最新の姿勢推定器が使用されています。
DTUデータセットでは回転誤差が78%削減され、MobileBrickデータセットではF1スコアが69.18から75.67に向上しています。
Quotes
"Neural surface reconstruction is sensitive to the camera pose noise, even if state-of-the-art pose estimators like COLMAP or ARKit are used."
"Our method yields promising results. On the DTU dataset, we reduce the rotation error by 78% for COLMAP poses."
"Our approach leverages the initial camera pose estimation from COLMAP or ARKit and employs these newly proposed components to achieve high accuracy and rapid convergence."