在许多3D场景捕获中，由于网格重建失败或者缺乏观测，例如，物体接触区域或难以触及的区域，场景中的某些部分经常会出现缺失的情况。谷歌和加州大学伯克利分校的研究人员提出了NeRFiller框架，可通过2D图像来修复残缺的3D场景，同时发现当图像形成2x2网格时，会生成更多3D一致性的修复效果。为了优化3D场景的几何形态，NeRFiller在室内场景中可加入了相对深度的监督，补全后预测深度，只对补全区域施加排序损失。...
特别声明：本页面标签名称与页面内容，系网站系统为资讯内容分类自动生成，仅提供资讯内容索引使用，旨在方便用户索引相关资讯报道。如标签名称涉及商标信息，请访问商标品牌官方了解详情，请勿以本站标签页面内容为参考信息，本站与可能出现的商标名称信息不存在任何关联关系，对本页面内容所引致的错误、不确或遗漏，概不负任何法律责任。（反馈错误)