(Implicit Neural Representation,INR)的大致思想是使用一个连续函数来表征图像或者三维体素,并用神经网络来逼近这个函数。这么做的好处是方便插值出任意位置的占据情况或任意视角的相机观测。比较典型的工作是DeepSDF、Occupancy Networks以及NERF,下文就用INR代表神经隐式表示这类工作了。 本文整理了INR与SLAM相关的一些工作...
于是,可以考虑使用一个连续函数来表示图像的真实状态,然而我们无从得知这个连续函数的准确形式,因此有人提出用神经网络来逼近这个连续函数,这种表示方法被称为“隐式神经表示“ (Implicit Neural Representation,INR)。 举几个例子,图像、视频、体素,都能用INR来表示,其数学表达如下: 对于图像,INR函数将二维坐标映射到...
1.2 什么是隐式神经表示 隐式神经表示(Implicit Neural Representation,INR)(有时也称为基于坐标的表示)是一种对各种信号进行参数化的新方法。传统的信号表示通常是离散的,而隐式神经表示将信号参数化为一个连续函数,将信号的域映射到该坐标上的属性的值(例如对于图像,就是将像素坐标映射到R,G,B颜色)。 当然,这...
在位姿优化领域，BARF与ViewFormer分别从不同角度利用INR技术提升效率。BARF采用神经辐射场来优化相机位姿，而ViewFormer则利用Transformer解决仅基于少量图像的神经渲染问题。此外，Neural Sparse Voxel Fields与pixelNeRF也分别通过使用特征网格与像素级神经辐射场，进一步探索INR在SLAM应用的可能性。在三维场景重建...
但是,在真实世界中,我们看到的世界可以认为是连续的,或者近似连续。于是,可以考虑使用一个连续函数来表示图像的真实状态,然而我们无从得知这个连续函数的准确形式,因此有人提出用神经网络来逼近这个连续函数,这种表示方法被称为“隐式神经表示“ (Implicit Neural Representation,INR)。