基于NeRF的单视角物体姿态估计与三维重建方法优化

课题名称: 基于NeRF的单视角物体姿态估计与三维重建方法优化
学科专业: 计算机科学
课题关键词: 单视角姿态估计NeRF三维重建方法优化
辅导模式: 1对1
发表目标: SCI期刊1-4区
课题介绍: 三维重建与物体姿态估计是计算机视觉领域的核心任务，在机器人交互、增强现实、自动驾驶等领域具有重要应用价值。传统方法中，多视角重建依赖大量标定图像，而单视角场景下，因缺乏几何约束常面临姿态歧义性与三维结构恢复精度低的问题。神经辐射场（NeRF）通过隐式函数建模场景辐射特性，实现了高质量三维重建，但其依赖多视角数据的特性限制了在单视角场景中的应用。单视角NeRF需从单张图像同时推断物体姿态与三维结构，存在姿态估计鲁棒性不足、几何细节丢失等挑战。因此，优化单视角下基于NeRF的姿态估计与三维重建方法，通过引入先验知识、改进特征匹配机制或优化网络结构，对提升单视角三维感知的精度与泛化能力具有重要学术意义，可为资源受限场景下的三维视觉任务提供新解决方案。

导师信息

科研导师

Dr. Liu

多伦多大学博士

导师介绍

研究领域：大模型/智能体/强化学习/智能决策优化,轨迹预测,自动驾驶/智能交通,游戏AI,数据挖掘学术成果：目前已经发表20多篇高水平论文，如ICML，Nature, Neurips，IJCAI，ACL， IEEE IV，IEEE ITSC；google scholar引用量近百次；长期担任IEEE Transactions on Intelligent Transportation Systems、Transportation Re- search Part C: Emerging Technologies、TRB Annual Meeting - Transportation Research Board、

招生要求

面向具有相关学科背景与研究兴趣的学习者，具体要求以课题导师评估为准。