上海交大提出NaCR：在射线层面结合NeRF与相机射线回归
在射线层面结合NeRF与相机射线回归
（映维网Nweon 2026年09月28日）在一项关注相机射线回归（CRR）精度问题的研究中，上海交大团队提出了一种将神经辐射场NeRF与CRR在射线层面结合的框架NaCR。
视觉定位的目标是在已知场景中估计查询图像的六自由度相机位姿，并可用于虚拟现实、增强现实、SLAM/SfM等。传统方法需要存储显式3D地图；基于深度学习的端到端方法中，场景坐标回归（SCR）虽然精度较高，但使用无界场景坐标，训练可能不稳定，并依赖深度先验和超参数调优。DIMM提出的CRR范式为每个图像块回归相机射线，射线误差有界，训练动态更稳健，且位姿可通过两个线性求解器分别恢复旋转和平移。但团队认为，CRR精度仍然有限，尤其在室内场景。
团队的核心观察是：CRR从图像块预测相机射线，而NeRF从相机射线渲染图像块，两者构成互补的逆过程。基于这一关系，NaCR把预训练NeRF引入CRR训练管线，形成从图像到射线再回到图像的闭环。NeRF一方面用于合成新视角，为CRR提供图像块级数据增强；另一方面利用可微渲染，把光度渲染误差反向传播给射线回归模型，作为闭环监督信号。
......（全文 1120 字，剩余 714 字）
