スペクトル幾何学的ニューラルフィールドによるポーズフリー LiDAR ビュー合成

要旨: ニューラル放射場（NeRF）は、画像の新規視点合成（NVS）において顕著な成功を収め、LiDAR NVSへの拡張を促している。 しかし、多くの手法はシーン再構成のために正確なカメラ姿勢に大きく依存している。 LiDARデータの希薄性とテクスチャレスな性質は、幾何学的な穴や連続性のない表面を招くなど、特有の課題をもたらす。 これらの課題に対処するため、ポーズフリーの LiDAR NeRF フレームワーク SG-NLF を提案する。 具体的には、スペクトル事前知識に基づくハイブリッド表現を設計し、滑らかな幾何形状を再構成する。 姿勢最適化のためには、特徴適合性に基づく信頼度を考慮したグラフを構築し、全体的な整合を実現する。 さらに、フレーム間の一貫性を確保するための敵対的学習戦略を導入し、再構成品質を向上させる。 包括的な実験により、特に難易度の高い低頻度のシナリオにおいて、我々のフレームワークの有効性が示されている。 従来の最先端手法と比較して、SG-NLF は再構成品質と姿勢精度をそれぞれ 35.8% 以上、68.8% 以上改善する。 私たちの研究は LiDAR の視点合成に新しい視点を提供できる。