ترجمه فارسی مقاله ارزیابی رویکردهای مدرن در بازسازی صحنه سه‌بعدی: روش‌های NeRF در مقابل روش‌های مبتنی بر گاوسی

چکیده

Exploring the capabilities of Neural Radiance Fields (NeRF) and Gaussian-based methods in the context of 3D scene reconstruction, this study contrasts these modern approaches with traditional Simultaneous Localization and Mapping (SLAM) systems. Utilizing datasets such as Replica and ScanNet, we assess performance based on tracking accuracy, mapping fidelity, and view synthesis. Findings reveal that NeRF excels in view synthesis, offering unique capabilities in generating new perspectives from existing data, albeit at slower processing speeds. Conversely, Gaussian-based methods provide rapid processing and significant expressiveness but lack comprehensive scene completion. Enhanced by global optimization and loop closure techniques, newer methods like NICE-SLAM and SplaTAM not only surpass older frameworks such as ORB-SLAM2 in terms of robustness but also demonstrate superior performance in dynamic and complex environments. This comparative analysis bridges theoretical research with practical implications, shedding light on future developments in robust 3D scene reconstruction across various real-world applications.

چکیده به فارسی (ترجمه ماشینی)

این مطالعه با کاوش در قابلیت های زمینه های تابش عصبی (NERF) و روشهای مبتنی بر گاوسی در زمینه بازسازی صحنه سه بعدی ، این مطالعه با این رویکردهای مدرن با سیستم های محلی سازی و نقشه برداری همزمان سنتی (SLAM) در تضاد است.با استفاده از مجموعه داده هایی مانند ماکت و اسکنت ، عملکرد را بر اساس دقت ردیابی ، نقشه برداری از وفاداری و سنتز مشاهده می کنیم.یافته ها نشان می دهد که NERF از نظر سنتز نمایش عالی است و قابلیت های منحصر به فردی را در تولید دیدگاه های جدید از داده های موجود ارائه می دهد ، البته با سرعت پردازش کندتر.در مقابل ، روشهای مبتنی بر گاوسی پردازش سریع و بیان قابل توجهی را ارائه می دهند اما فاقد تکمیل صحنه جامع هستند.با استفاده از تکنیک های بهینه سازی جهانی و بسته شدن حلقه ، روش های جدیدتری مانند Nice-Slam و Splatam نه تنها از چارچوب های قدیمی تر مانند Orb-SLAM2 از نظر استحکام پیشی می گیرند بلکه عملکرد برتر را در محیط های پویا و پیچیده نشان می دهند.این تجزیه و تحلیل مقایسه ای تحقیقات نظری را با پیامدهای عملی می گذارد ، و بر تحولات آینده در بازسازی صحنه های سه بعدی قوی در برنامه های مختلف در دنیای واقعی ، روشن می شود.