关于Virtual cameras的生成过程

[xiaoyaolovlife]

不好意思又来叨扰您，有几个细节问题，我想先阐述一下我对文章中几个变量的表述方式
a. 实际相机采集到的模糊图像：GT模糊。colmap根据模糊图像初始化得到的相机位姿：初始化相机位姿
b. 通过生成的virtual_cameras合成的图像：合成模糊图像

1. 有点不理解这10个virtual cameras是如何生成和优化的，我看代码中展现的过程是最开始virtual cameras全部是重叠在一起的，随着训练轮数的增加逐渐分散开来，所以我可以理解为生成的virtual cameras只与优化过程中 单张 GT模糊对应的位姿相关嘛？（即不需要根据两个GT模糊帧去插值）
   2） # BAD-Gaussians: get virtual cameras
   virtual_cameras = self.camera_optimizer.apply_to_camera(camera, mode)
   sharp_mid_cameras = self.camera_optimizer.apply_to_camera(camera, mode="mid")
   我如果把这里的mode设置成mid返回的camera是不是可以理解为本次优化过程中GT模糊对应的相机，通过这个相机渲染出的图像是清晰的，这个相机可能不是 virtual_cameras中的任何一个

[LingzheZhao]

virtual cameras是如何生成和优化的

从每张GT模糊图片，我们最终都会估计出一条单独的相机运动轨迹（线性插值：2个位姿；cubic B-spline：4个位姿；高阶贝塞尔曲线：更多的位姿；位姿从随机噪声初始化），virtual cameras的位姿是通过在这个轨迹上均匀采样得到的。

virtual cameras只与优化过程中 单张 GT模糊对应的位姿相关，不需要根据两个GT模糊帧去插值

是的，这里因为输入数据是无序的图片，我们没有考虑相邻图片间的因果关系和约束。如果输入换成视频，那我们就可以加一些更强的运动学约束让位姿优化更稳定和鲁棒。

“mid” 相机可能不是 virtual_cameras中的任何一个

是的，因为我们是在轨迹上均匀采样和插值，当插值数量是偶数，比如10，“mid“就会在第5个和第6个相机的中间；如果把10改成9，那“mid“的位姿就会跟第5个相机相同。