HistReNeRF：当代神经辐射场重建中的历史图像重新定位

在当代场景模型中重新定位档案照片具有挑战性，因为历史和现代视图在照片外观、可见物体和空间布局方面可能有所不同。因此，我们提出了 HistReNeRF，这是一个框架，通过将适应的 DINOv2 补丁特征与从当代神经辐射场 (NeRF) 重建采样的候选光线进行匹配来估计历史照片的 6-DoF 姿态。 NeRF 的连续表示提供了一个可查询的场景界面，可以从中对候选光线进行采样和匹配，从而直接在用于定位的特征表示中实现历史摄影和当代图像之间的域适应。我们在一个新的跨时间数据集上评估基于嵌入空间的域适应与像素空间方法的比较，该数据集包含来自三个欧洲地标的 10,545 张当代街道图像和 230 张档案照片。嵌入空间自适应在三个场景中分别将平移和旋转误差平均减少了 11% 和 16%。这些结果表明，神经场景重定位为特征空间适应提供了一个自然的接口，在不修改查询图像的情况下减少了跨时间的外观变化。代码和数据集位于 https://github.com/ARTUROLab/HistReNeRF。