非刚性神经辐射场 这是项目“非刚性神经辐射场：从单眼视频到动态场景的重构和新颖视图合成”（NR-NeRF）的官方资料库。 我们将NeRF（一种用于静态场景的逼真外观和几何重构的最新技术）扩展到动态/变形/非刚性场景。 有关详细信息，请参阅和，其中还包括补充视频。 入门 我们修改了损失，并在2021年2月的更新中添加了多视图支持，一些简单的场景编辑功能，评估代码和简单的基准。 有关此代码的原始版本，请参阅此存储库的december2020分支。 安装 克隆此存储库。 （可选）安装 。 设置nrnerf环境nrnerf （或使用pip安装要求）： conda env create -f environment.yml （可选）对于数据加载和相机参数估计，我们包含了一个虚拟实现，该实现仅适用于所包含的示例序列。 如果您不想编写本自述文件结尾处指定的自己的实现，则可以改用以下程序和文件：

配准可以分为刚性、非刚性的配准，通常经过刚性配准之后，例如尺度旋转不变性（SIFT）算法、加速鲁棒性算法（SURF）进行配准之后，细微形变仍然没有解决，通过光流场模拟全局形变之后，根据变形场复合得到配准之后的图片，达到要求。

该函数将源/模板网格对齐并非刚性地变形为第二个目标网格。 nonrigidICP 是要使用的主要文件，需要网格的顶点和面作为输入。 示例 1 处理闭合网格，示例 2 处理不完整的网格，包括目标和源。 提供了两个版本（v1和v2）。 v1 以 RB 中心在表面上变形，v2 以 RB 中心在边界框内变形。 参考文献：Emmanuel A. Audenaert、Jan Van Houcke、Diogo F. Almeida、Lena Paelinck、M. Peiffer、Gunther Steenackers 和 Dirk Vandermeulen (2019)：基于级联统计形状模型的 CT 全下肢分割，计算机方法生物力学与生物医学工程，DOI：10.1080/10255842.2019.1577828