三维重建在NeRF和GS重建汇总中如何排除干扰物？

整理近期关于NeRF与GS在质量优化方面取得进展的相关研究文献

文章结构概述

• 前言

  • 一、NeRF On-the-go：借助不确定性实现真实场景应用（CVPR'24）

  • • 摘要
    • 1.基于DINOv2特征的不确定性估计
    • 2.在NeRF框架中处理干扰物的不确定性分析
    • 3.优化策略
    • 4. 扩展采样区域的Dilated Patch方法
    • 5.实验数据表现

  • 二、Pixel-GS：具备像素感知能力的梯度密度调节技术（ECCV'24）

  • • 摘要
    • 1 GS模型中的自适应密度调控机制
    • 2 基于像素敏感性的梯度计算方式
    • 3 梯度场的缩放处理方法
    • 4 效果展示

  • 三、RobustNeRF：采用鲁棒损失函数排除干扰因素（CVPR '23）

  • • 摘要
    • 1 异常值对系统的影响分析（分析）
    • 2 针对异常值的鲁棒性研究（分析）
    • 3 基于修剪最小二乘法的鲁棒性解决方案（解决方法）