6、LaTeRF：标签和文本驱动的对象辐射场技术解析

LaTeRF：标签和文本驱动的对象辐射场技术解析

1. 真实场景下的对象提取与去噪

在真实场景中，LaTeRF 能够依据文本查询（如 “A dark green book”、“A mug” 和 “A wooden ukulele”）从场景里提取对象。不过，在具有纹理和复杂背景的真实场景中，会出现一些在训练视图中几乎不可见的小颗粒（低密度点）。这些小颗粒会融入背景或目标对象中而消失，但在过滤对象时会变得可见，从而导致对象渲染的背景中充满噪声。

为了去除这些噪声，可按照以下步骤操作：
1. 对每条光线上采样的密度进行平滑处理，将每个点的密度替换为其自身密度和直接相邻点密度的平均值，此操作重复 5 次。
2. 经过密度平滑后，大部分作为密度值突变峰值的小颗粒会趋近于零。
3. 基于密度应用硬阈值，过滤掉所有低于该阈值的点。
4. 通过在公式 10 中用对象性得分代替颜色，并对结果应用 sigmoid 函数来渲染对象掩码，同时假设沿每条光线在无限远处有一个高密度、低对象性得分的粒子。
5. 将对象掩码应用于有噪声的图像，从而获得去噪后的对象渲染结果。

去噪流程如下：

graph LR
    A[原始图像] --> B[密度平滑]
    B --> C[硬阈值过滤]
    C --> D[渲染对象掩码]
    D --> E[应用对象掩码]
    E --> F[去噪图像]

2. 合成场景评估

2.1 合成场景生成

为了定量评估方法在