|
- NeRF系列工作总结 - 知乎
前言 在 NeRF 这个领域也算做了有一段时间了，这段时间在知乎上很难看到有比较有深度还有系统性的关于 NeRF 的总结。于是萌生了写这个个人总结的想法，也算是给自己的一个交代。我将沿着我自己工作的方向…
- NeRF（神经辐射场）有相关的物理（光学）原理支撑吗？ - 知乎
NeRF 训练和渲染的核心步骤是体渲染技术 (volume rendering)。体渲染可以把神经场“拍平”成一张 2D 图像，从而可以和基准图像进行比较。这个过程是可微的，所以可以用来训练网络！ 有了神经场和体渲染的预备知识，我们来介绍 NeRF 的训练。
- Nerf还能作为2023年的计算机视觉研究方向吗？ - 知乎
当然这几年NeRF发展得很好了，上述问题都有papers尝试基于NeRF去解决。那么，这些问题在GS出现了就能都被解决吗？能产生新的 insights 吗？ 至少短期来看会有许多paper会把NeRF的方法乾坤大挪移在GS上都做一遍，也可以预期能看到大量GS paper的井喷。
- 你推荐入坑nerf吗? - 知乎
任何nerf系统中的一个关键组件是mlp，它在移动nerf系统上特别紧凑，在移动nerf中的大小仅为约10 7kb。鉴于mlp在nerf中的重要性，从系统的角度探索潜在的增强功能至关重要。为了加速计算并减少内存占用，常见的神经网络压缩方法包括修剪、量化、知识提取等[6]。
- 为什么NeRF每渲染一个模型都需要重新训练一次神经网络，而其他生成模型却可以泛化呢？ - 知乎
nerf并不是一个 probabilistic model 也没有学出任何一个distribution，为什么它是生成模型呢？ Jon Barron 没有在任何一个场合说过NeRF是生成模型 nerf只是一种数据的表示方法而已，mesh不是生成模型， point cloud 不是生成模型，png不是生成模型，为什么nerf是呢？
- 目前研0只具备深度学习相关知识，想要入门NeRF和3DGS需要具备哪些前置知识？ - 知乎
第 4 章为优化 NeRF 的生成与渲染速度，第 5 章为提升 NeRF 的生成与渲染质量。这两章分析了 NeRF 的两个核心问题，对相关核心技术进行深入剖析，并清楚阐述其构建思路和背后的原理。 第 6 章为动态场景 NeRF 的探索和进展，介绍动态 NeRF 的生成原理与方法。
- NERF 发射器新人入手完全指南 - 知乎
nerf(以大写作为nerf商标)是由帕克兄弟公司创建，目前由孩之宝公司所拥有的玩具品牌从1969创立至今拥有有上千种造型发射器，对于新人来说必然选购困难。那就给新人们来个简单的入坑指南，握紧你们的钱包。 本次指南从子弹类型 给大家分类推荐nerf产品。
- 基于深度学习的NeRF三维重建方法相比传统三维建模方法有什么优势？ - 知乎
而且，nerf这个框架能塞进很多东西，比如既然我们在用cg的体渲染的思路来做nerf训练了，那我们能不能继续把这个辐射场或者说渲染方程细化，让他表达对不同材质的不同渲染情况，对透明物体的处理，对水下环境的处理等等。甚至改改渲染方程都能搞出个黑洞
|
|
|