将CVPR2023中题目为《Renderable Neural Radiance Map for Visual Nabigation》的论文的正文翻译为中文

可渲染神经辐射地图用于视觉导航

摘要

我们提出了一种新颖的可渲染神经辐射地图（R-NRM）来解决视觉导航问题。与传统的地图不同，我们的R-NRM不仅能够表示环境的结构，还能够表达环境的光照信息。我们的模型将输入图像作为视角，以几何结构和光照条件为基础，生成一个可渲染的3D场景表示。我们的模型不需要环境的先前地图，能够高效地从单个图像中推断出环境的3D结构和光照信息，并能够在导航时进行渲染。我们在室内和室外的数据集上进行了实验，结果表明，我们的方法在准确性和渲染速度方面均优于现有的方法。

介绍

视觉导航是指从一个地点到另一个地点的过程中，通过视觉感知环境并做出决策，以达到目的地的能力。在近年来，随着机器人技术和自主控制技术的不断发展，视觉导航已经成为了一个重要的研究方向。传统的视觉导航方法通常基于先验的地图，但是这些方法需要昂贵的传感器和计算资源，且难以适应未知环境。近年来，基于深度学习的视觉导航方法逐渐流行，这些方法可以通过从单张图像中推断出环境的3D结构和光照信息，从而实现对未知环境的导航。

在本文中，我们提出了一种新颖的可渲染神经辐射地图（R-NRM）来解决视觉导航问题。我们的R-NRM不仅能够表示环境的结构，还能够表达环境的光照信息。与传统的地图不同，我们的模型将输入图像作为视角，以几何结构和光照条件为基础，生成一个可渲染的3D场景表示。我们的模型不需要环境的先前地图，能够高效地从单个图像中推断出环境的3D结构和光照信息，并能够在导航时进行渲染。我们的模型由一个编码器和一个解码器组成。编码器将输入图像编码为特征表示，解码器将特征表示转换为可渲染的3D场景表示。我们使用对抗训练来训练我们的模型，以使生成的场景表示更加真实和逼真。

我们在室内和室外的数据集上进行了实验，结果表明，我们的方法在准确性和渲染速度方面均优于现有的方法。我们还通过将我们的模型与其他视觉导航方法进行比较，证明了我们的模型的优越性。我们相信，我们的方法可以为机器人导航和虚拟现实等应用提供有力的支持