大盘点!22项开源NeRF SLAM顶会方案整理!(中)

本文盘点了12种位姿和NeRF联合优化的NeRF SLAM方案,包括iMAP、BARF、NeRF--、NICE-SLAM等,介绍了它们解决的问题、核心思想、实现方式以及效果。这些方法致力于在无先验位姿信息或仅使用RGB数据的情况下,优化位姿和场景表示,提高了场景重建的细节和精度。
摘要由CSDN通过智能技术生成

作者:泡椒味的口香糖  | 来源:计算机视觉工坊

添加微信:dddvisiona,备注:三维重建,拉你入群。文末附行业细分群。

0. 笔者个人体会

上一篇文章我们介绍了仅优化NeRF和仅优化位姿的NeRF SLAM方案,本文将介绍位姿和NeRF联合优化的相关工作,也是NeRF SLAM最主要的方向。下一篇文章我们将介绍物体级NeRF SLAM和雷达NeRF SLAM的方案。

前情回顾:为避免生硬的翻译原文,本文针对每篇文章的介绍将以四个问题来进行,分别是这篇文章希望解决什么问题?核心思想是什么?具体如何实现?有什么效果?当然笔者水平有限,如果有理解不当的地方欢迎各位读者批评指正~

3个3D视觉方向公众号

1. 目录

还是先放一个目录列举本文都介绍了哪些方案。

仅优化NeRF

0、NeRF

1、Point-NeRF

2、NeRF-SLAM

仅优化位姿

3、iNeRF

4、NeRF-L

  • 21
    点赞
  • 26
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值