論文の概要: NoPe-NeRF++: Local-to-Global Optimization of NeRF with No Pose Prior

• arxiv url: http://arxiv.org/abs/2511.17322v1
• Date: Fri, 21 Nov 2025 15:41:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-24 18:08:19.082006
• Title: NoPe-NeRF++: Local-to-Global Optimization of NeRF with No Pose Prior
• Title（参考訳）: NoPe-NeRF++: ポースを優先しないNeRFのローカル-グローバル最適化
• Authors: Dongbo Shi, Shen Cao, Bojian Wu, Jinhui Guo, Lubin Fan, Renjie Chen, Ligang Liu, Jieping Ye,
• Abstract要約: NoPe-NeRF++は、ポーズ前処理を必要とせずにNeRF(Neural Radiance Fields)をトレーニングするための、新しいローカル-グローバル最適化アルゴリズムである。 提案手法は,局所的および大域的キューとNeRFをシームレスに組み合わせた最初の手法であり,ポーズ推定精度と新規ビュー合成の両方において最先端の手法より優れている。
• 参考スコア（独自算出の注目度）: 42.655374746764736
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In this paper, we introduce NoPe-NeRF++, a novel local-to-global optimization algorithm for training Neural Radiance Fields (NeRF) without requiring pose priors. Existing methods, particularly NoPe-NeRF, which focus solely on the local relationships within images, often struggle to recover accurate camera poses in complex scenarios. To overcome the challenges, our approach begins with a relative pose initialization with explicit feature matching, followed by a local joint optimization to enhance the pose estimation for training a more robust NeRF representation. This method significantly improves the quality of initial poses. Additionally, we introduce global optimization phase that incorporates geometric consistency constraints through bundle adjustment, which integrates feature trajectories to further refine poses and collectively boost the quality of NeRF. Notably, our method is the first work that seamlessly combines the local and global cues with NeRF, and outperforms state-of-the-art methods in both pose estimation accuracy and novel view synthesis. Extensive evaluations on benchmark datasets demonstrate our superior performance and robustness, even in challenging scenes, thus validating our design choices.
• Abstract（参考訳）: 本稿では,NeRF(Near Radiance Fields)の訓練において,ポーズ前処理を必要とせず,局所的・言語的最適化アルゴリズムであるNoPe-NeRF++を提案する。 既存の手法、特に画像内の局所的な関係のみに焦点を当てたNoPe-NeRFは、複雑なシナリオにおける正確なカメラポーズの復元に苦慮することが多い。 課題を克服するために,提案手法は,特徴マッチングによる相対的なポーズ初期化から始まり,続いてより堅牢なNeRF表現の訓練のためのポーズ推定を強化するための局所的な共同最適化を行う。 この方法は、初期ポーズの品質を大幅に向上させる。 さらに,バンドル調整による幾何的整合性制約を組み込んだグローバルな最適化フェーズを導入し,特徴トラジェクトリを統合してポーズをさらに洗練し,NeRFの品質を一括的に向上させる。 提案手法は,局所的および大域的キューとNeRFをシームレスに組み合わせた最初の手法であり,ポーズ推定精度と新規ビュー合成の両方において最先端の手法より優れている。 ベンチマークデータセットの大規模な評価は、挑戦的なシーンであっても、優れたパフォーマンスと堅牢性を示し、設計選択を検証します。

関連論文リスト

• Invertible Neural Warp for NeRF [29.00183106905031]
  本稿では、ポーズとニューラルラジアンスフィールド(NeRF)の同時最適化に取り組む。 本稿では,モデルカメラが学習可能な剛性ワープ関数として機能する,パラメータの過剰表現を提案する。 提案手法は,合成および実世界のデータセットにおいて,ポーズ推定や高忠実度再構成の点で,既存のベースラインよりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-07-17T07:14:08Z)
• CT-NeRF: Incremental Optimizing Neural Radiance Field and Poses with Complex Trajectory [12.460959809597213]
  ポーズや深度入力を伴わないRGB画像のみを用いた逐次再構成最適化パイプラインであるCT-NeRFを提案する。 実世界の2つのデータセットであるNeRFBusterとFree-DatasetにおけるCT-NeRFの性能を評価する。
  論文  参考訳（メタデータ） (2024-04-22T06:07:06Z)
• ProvNeRF: Modeling per Point Provenance in NeRFs as a Stochastic Field [52.09661042881063]
  テキストフィールドとしてNeRFのbfprovenance(可視な位置)をモデル化する手法を提案する。 我々は、NeRF最適化におけるポイントごとの精度のモデリングにより、新しいビュー合成と不確実性推定の改善につながる情報により、モデルが強化されることを示す。
  論文  参考訳（メタデータ） (2024-01-16T06:19:18Z)
• LU-NeRF: Scene and Pose Estimation by Synchronizing Local Unposed NeRFs [56.050550636941836]
  NeRFモデルが野生で広く展開されるのを防ぐ重要な障害は、正確なカメラのポーズに依存することである。 カメラのポーズとニューラルフィールドを協調して推定するLU-NeRFという新しい手法を提案する。 LU-NeRFパイプラインは、ポーズに制限的な仮定を加えることなく、未提案のNeRFに対する事前試みより優れることを示す。
  論文  参考訳（メタデータ） (2023-06-08T17:56:22Z)
• NerfingMVS: Guided Optimization of Neural Radiance Fields for Indoor Multi-view Stereo [97.07453889070574]
  本稿では,従来のSfM再構成と学習に基づく先行手法を併用した多視点深度推定手法を提案する。 提案手法は室内シーンにおける最先端手法を著しく上回ることを示す。
  論文  参考訳（メタデータ） (2021-09-02T17:54:31Z)
• GNeRF: GAN-based Neural Radiance Field without Posed Camera [67.80805274569354]
  gnerf(generative adversarial networks (gan) とニューラルネットワークのラジアンスフィールド再構成を組み合わせるためのフレームワーク)を,未知のカメラポーズでさえも複雑なシナリオで導入する。 提案手法は, 従来は非常に難易度の高い, 繰り返しパターンや低テクスチャの場面において, ベースラインを良好に向上させる。
  論文  参考訳（メタデータ） (2021-03-29T13:36:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。