一种基于NeRF的对称性图像渲染方法

本发明涉及一种基于NeRF的对称性图像渲染方法，旨在提升3D渲染的几何精度与多视图一致性。该方法首先选取含对称特征的侧视图，经预处理提取前景对象；利用MiDaS网络生成深度图并与掩码融合，保证空间信息匹配；基于相机参数生成光线并结合深度图转换像素为3D点云；将点云经位置编码与特征翻转融合后输入NeRF网络，通过MLP网络的光线采样输出3D渲染结果。同时，构建包含参考视图重建损失(含RGB与掩码损失)、深度损失、新颖视图损失及法线平滑损失的总损失函数，通过反向传播优化模型参数。本发明借助对称性约束、多维度损失函数及特征融合策略，有效提升了3D渲染的几何精度与视觉一致性，尤其适用于具有对称特征的物体渲染场景。