摘要。这项工作的目的是介绍Marf,这是一项新颖的框架,能够使用Rover摄影机中的几种图像来合成火星环境。这个想法是生成火星表面的3D场景,以应对行星表面探索中的关键挑战,例如:行星地质,模拟导航和形状分析。尽管存在不同的方法来启用火星表面的3D重建,但它们依靠经典的计算机图形技术在重建过程中会产生大量计算资源,并且具有限制,并限制了重建以未见的场景并适应来自Rover Cameras的新图像。提出的框架通过利用神经辐射场(NERFS)来解决上述局限性,该方法通过使用一组稀疏的图像来优化连续的体积场景函数来合成复杂场景。为了加快学习过程的速度,我们用其神经图形图(NGP)替换了一组稀疏的漫游者图像,这是一组固定长度的vectors,这些vectors vectors vectors seal seal seal the vectors seal seal the venter thement Lengus的vectors seal seal theck in thecks of固定长度的vecters vecters the替换了以明显较小的尺寸保留原始图像的信息。在实验部分中,我们演示了由好奇的漫游者,持久漫游者和Ingenity直升机限制的实际火星数据集创建的环境,所有这些都在行星数据系统(PDS)上可用。
主要关键词