本調査は、自動運転における神経放射線場(NeRF)の応用を包括的に分析している。
知覚分野では、NeRF を用いたデータ拡張と、NeRF の幾何学的情報を活用したモデル訓練の2つのアプローチが紹介されている。データ拡張では、NeRFを使って写実的な新しい画像を生成し、物体検出や意味的セグメンテーションなどの学習に活用している。モデル訓練では、NeRFの暗黙的な3D表現を直接統合し、パフォーマンスを向上させている。
3D再構築分野では、動的シーン再構築、表面再構築、逆レンダリングの3つのカテゴリに分類されている。動的シーン再構築では、物体の動きを表現するためにNeRFを拡張している。表面再構築では、メッシュやボクセルなどの明示的な3D表現を学習している。逆レンダリングでは、形状、アルベド、可視性を推定することで、シーンの編集や再照明を可能にしている。
SLAM分野では、NeRFを用いた姿勢推定と、NeRFによるシーン表現の2つのアプローチが紹介されている。姿勢推定では、NeRFの暗黙的な3D表現を活用して、効率的な位置推定を実現している。シーン表現では、NeRFをマッピングに統合し、精度の向上を図っている。
シミュレーション分野では、画像データシミュレーションとLiDARデータシミュレーションの2つのアプローチが示されている。画像データシミュレーションでは、NeRFの暗黙的表現と3D ガウシアンスプラッティングの明示的表現を用いて、写実的な画像を生成している。LiDARデータシミュレーションでは、レイモデルとビームモデルの2つのアプローチで、LiDARスキャンの合成を行っている。
最後に、今後の研究方向性として、NeRFの汎用性向上、安全性の確保、マルチモーダル統合などが議論されている。
To Another Language
from source content
arxiv.org
ข้อมูลเชิงลึกที่สำคัญจาก
by Lei He,Lehen... ที่ arxiv.org 04-23-2024
https://arxiv.org/pdf/2404.13816.pdfสอบถามเพิ่มเติม