Neural Visibility Field for Uncertainty-Driven Active Mapping

要約

この論文では、アクティブ マッピングに適用されるニューラル ラジアンス フィールド (NeRF) の新しい不確実性定量化手法であるニューラル ビジビリティ フィールド (NVF) について説明します。
私たちの重要な洞察は、トレーニング ビューに表示されていない領域により、この領域での NeRF による本質的に信頼性の低い色予測が発生し、その結果、合成ビューの不確実性が増大するということです。
これに対処するために、ベイジアン ネットワークを使用して、位置ベースのフィールドの不確実性をカメラ観測の光線ベースの不確実性に合成することを提案します。
その結果、NVF は自然に、観測されていない領域に高い不確実性を割り当て、ロボットが最も有益な次の視点を選択できるようにします。
広範な評価により、NVF は不確実性の定量化だけでなく、アクティブ マッピングのためのシーンの再構築においても優れており、既存の手法を上回るパフォーマンスを示していることが示されています。

要約(オリジナル)

This paper presents Neural Visibility Field (NVF), a novel uncertainty quantification method for Neural Radiance Fields (NeRF) applied to active mapping. Our key insight is that regions not visible in the training views lead to inherently unreliable color predictions by NeRF at this region, resulting in increased uncertainty in the synthesized views. To address this, we propose to use Bayesian Networks to composite position-based field uncertainty into ray-based uncertainty in camera observations. Consequently, NVF naturally assigns higher uncertainty to unobserved regions, aiding robots to select the most informative next viewpoints. Extensive evaluations show that NVF excels not only in uncertainty quantification but also in scene reconstruction for active mapping, outperforming existing methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google