使用神经放射场（NeRF）进行小说视图综合是从新视点生成高质量图像的最先进技术。现有方法需要关于外在和内在相机参数的先验知识，这限制了它们在合成场景中的适用性，或在必须进行预处理步骤的真实世界场景中的适用性。当前关于相机参数和NeRF的联合优化的研究集中于改进嘈杂的外部相机参数，并且常常依赖内部相机参数的预处理。进一步的方法仅限于覆盖一个单独的相机内部参数。为了解决这些限制，我们提出了一种称为 NeRFtrinsic Four 的新型端到端可训练方法。我们利用高斯傅里叶特征来估计外在相机参数，并通过投影误差的监督动态预测变化的内部相机参数。我们的方法在LLFF和BLEFF上优于现有的联合优化方法。除了这些现有数据集之外，我们还引入了一个包含不同内部相机参数的新数据集iFF。NeRFtrinsic Four 是基于NeRF的视图综合联合优化方面的一步前进，可以在具有不同相机参数的真实世界场景中实现更真实和灵活的渲染。
论文链接：http://arxiv.org/pdf/2303.09412v1
更多计算机论文：http://cspaper.cn/