Thermal-NeRF: Neural Radiance Fields from an Infrared Camera

近年来，神经辐射场（NeRFs）已经展示出在编码高度详细的三维几何和环境外观方面具有显著潜力，成为传统显式表示法的有希望的替代品，用于三维场景重建。然而，主要依赖RGB成像的方法预设了理想的照明条件：这是在机器人应用中经常遇到的不良照明或视觉障碍的前提。这种限制忽视了红外（IR）相机的能力，在这种不利情况下，IR相机在低光检测方面表现出色，是一种强大的替代方案。为了解决这些问题，我们介绍了 Thermal-NeRF，这是第一种仅使用IR成像估计NeRF体积场景表示的方法。通过利用热映射和从IR成像的热特性导出的结构热约束，我们的方法展示了在RGB方法无法胜任的视觉降级场景中恢复NeRF的无与伦比的熟练度。我们进行了大量实验，证明了Thermal-NeRF相比现有方法可以实现更优质的效果。此外，我们贡献了一个基于IR的NeRF应用数据集，为IR NeRF重建的未来研究铺平了道路。

本文旨在解决NeRF方法在低光照或视觉障碍情况下表现不佳的问题，提出一种基于红外成像的NeRF方法Thermal-NeRF。

Thermal-NeRF通过利用红外成像的热特征，建立热映射和结构热约束，从而能够在低光照或视觉障碍情况下准确重建3D场景。

本文提出的Thermal-NeRF是第一种仅利用红外成像进行NeRF的体积场表示的方法，能够在视觉受损的场景中重建NeRF，实验结果表明其效果优于现有方法。此外，本文还贡献了一个基于红外成像的NeRF数据集。

近期相关研究包括NeRF、NeRF++等。