论文解读：BARF: Bundle-Adjusting
Neural Radiance Fields
由于神经网络辐射场（NeRF）具有合成真实世界场景的逼真新视图的能力，近来其已经引起计算机视觉研究界广泛的关注。NeRF的一个限制在于其需要准确的相机姿态来学习场景表征。作者提出的BARF可以从不完美（甚至是未知）相机的姿态来训练NeRF。通过利用经典的图像对齐理论，作者发现对于NeRF从粗到细的图像配准同样适用。合成数据和真实世界数据的实验表明，BARF 可以有效地优化场景表示，同时解决大型相机姿势错位问题。这使得来自未知相机姿势的视频序列的视图合成和定位成为可能，为视觉定位系统（例如 SLAM）和密集 3D 映射和重建的潜在应用开辟了新途径。
论文链接：https://www.aminer.cn/pub/6076c90591e0113d725744a4?f=csdn