【技术实现步骤摘要】
本专利技术属于计算机视觉，尤其涉及一种基于自监督深度的快速神经辐射场新视角合成方法和系统。
技术介绍
1、神经辐射场(nerf)是一种用于三维重建的深度学习算法，旨在实现从一系列二维图像中恢复三维场景。由于它的学习能力和准确性，神经辐射场已被广泛应用于新视角合成、计算摄影、虚拟现实等领域。
2、原始的神经辐射场使用多层感知机(mlp)对整个三维场景的辐射场进行建模。由于使用一个超大型的网络，导致训练缓慢，一个简单的场景也需要一天以上的时间。为了解决这一问题，近期一些基于网格的神经辐射场模型极大减小了对多层感知机的依赖，极大提高重建速度。但是相比于纯神经网络模型mipnerf360，这些模型都存在着一定的重建精度下降。该现象在重建无界场景时表现尤为明显。在神经辐射场重建无界场景时，由于重建任务本身的病态性质，很容易出现场景深度重建错误的问题。在视觉上，这种错误表现为浮动物体或模糊的伪影。
技术实现思路
1、为解决现有方法存在提高重建速度时，重建精度下降的技术问题，本专利技术提出一...
【技术保护点】
1.一种基于自监督深度的快速神经辐射场新视角合成方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于自监督深度的快速神经辐射场新视角合成方法，其特征在于，所述NeRF网络由空间网络和方向网络组成，在所述步骤S35中，包括：
3.根据权利要求2所述的一种基于自监督深度的快速神经辐射场新视角合成方法，其特征在于，在所述步骤S36中，包括：
4.根据权利要求3所述的一种基于自监督深度的快速神经辐射场新视角合成方法，其特征在于，所述深度损失Ldeep的计算公式为：
5.根据权利要求4所述的一种基于自监督深度的快速神...
【技术特征摘要】
1.一种基于自监督深度的快速神经辐射场新视角合成方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于自监督深度的快速神经辐射场新视角合成方法，其特征在于，所述nerf网络由空间网络和方向网络组成，在所述步骤s35中，包括：
3.根据权利要求2所述的一种基于自监督深度的快速神经辐射场新视角合成方法，其特征在于，在所述步骤s36中，包括：
4.根据权利要求3所述的一种基于自监督深度的快速神经辐射场新视角合成方法，其特征在于，所述深度损失ldeep的计算公式为：
5.根据权利要求4所述的一种基于自监督深度的快速神经辐射场新视角合成方法，其特征在于，所述总损失l的计算公式为：
6.根据权利要求1所述的一种基于自监督深度的快速神经辐射场新视角合成方法，其特征在于，所述体渲染方程表示为：
7.根据权利要求1所述的一种基于自监督深度的快速...
【专利技术属性】
技术研发人员：朱斌，何高湘，解博，陈熠，朱耀轩，夏安宁，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。