Core Concepts
未知のカメラ姿勢下でも、高速な占有格子サンプリングとマルチ解像度ハッシュ符号化を活用することで、カメラ姿勢の最適化と3Dシーンの再構築を同時に行うことができる。
Abstract
本研究は、未知のカメラ姿勢下でも効率的に3Dシーンを再構築できる手法「BAA-NGP」を提案している。
従来の手法では、特徴点マッチングや密なサンプリング、大規模なニューラルネットワークの学習に時間がかかっていた。
BAA-NGPでは、高速な占有格子サンプリングとマルチ解像度ハッシュ符号化を活用することで、カメラ姿勢の最適化と3Dシーンの再構築を同時に行うことができる。
これにより、従来手法と比べて10~20倍高速な学習が可能となり、精度も同等以上を達成している。
LLFF データセットの連続カメラ映像や、Blenderの合成データセットの姿勢推定実験で評価を行い、高速化と精度の両立を示している。
BAA-NGPは、ロボティクスやVR/ARなどの幅広い応用分野で活用できる。
Stats
従来手法と比べて10~20倍高速な学習が可能
LLFFデータセットの連続カメラ映像で同等以上の精度を達成
Blenderの合成データセットの姿勢推定実験でも同等以上の精度を達成
Quotes
"未知のカメラ姿勢下でも、高速な占有格子サンプリングとマルチ解像度ハッシュ符号化を活用することで、カメラ姿勢の最適化と3Dシーンの再構築を同時に行うことができる。"
"BAA-NGPは、ロボティクスやVR/ARなどの幅広い応用分野で活用できる。"