神经辐射场

NeRF论文复现1 --- 代码运行和数据集分析NeRF是近年来神经网络发展的一大丰碑，几年前第一遍看这篇论文的时候几乎马上就爱上了这个研究（这个体验是很少的，大部分论文看一遍要么盲目地觉得我上我也行，要么直接不知道它想干嘛）。不过由于走学术弯路和工作重心不在这等等原因，一直也没仔细去看这一系列的工作。直到最近开始看可微渲染相关的内容，才觉得这块得好好补一补。于是从旧笔记堆里又把这篇原始论文翻出来开始研究。

NeRF论文复现2 --- 原理及源码解析这篇文章将详细解析NeRF的原理，开始之前推荐下列的视频：【较真系列】讲人话-NeRF全解（原理+代码+公式）_哔哩哔哩_bilibili

从图片生成3维场景--NERF原理解析及加速版HashNeRF-pytorch代码实现NeRF（Neural Radiance Fields）是一种基于神经网络的三维图像生成技术，通过一组从不同角度拍摄的2D图片，生成一个3D场景，并且能够渲染出该场景在任意视角下的图像。这项技术的核心思想是利用神经网络的强大建模能力来预测三维空间中每一点的光照和颜色。

【论文解读】基于神经辐射场NeRF的像素级交互式编辑（Seal-3D）来源：投稿作者：橡皮编辑：学姐论文链接：https://arxiv.org/pdf/2307.15131

TechBeat人工智能社区

3DV 2024 Oral | SlimmeRF：可动态压缩辐射场，实现模型大小和建模精度的灵活权衡目前大多数NeRF模型要么通过使用大型模型来实现高精度，要么通过牺牲精度来节省内存资源。这使得任何单一模型的适用范围受到局限，因为高精度模型可能无法适应低内存设备，而内存高效模型可能无法满足高质量要求。为此，本文研究者提出了SlimmeRF，一种在测试阶段随时（即不需要对模型进行重新训练）通过动态压缩实现模型大小与精度之间权衡的模型，从而使模型同时适用于不同计算预算的场景。实验结果显示，SlimmeRF在不进行动态压缩时能够达到 SOTA 级别的精度，同时动态压缩时的效果明显好于基于 TensoRF 的基

2021-2023神经辐射场（NeRF）118篇顶会论文合集（已分类整理）有没有发现最近神经辐射场相关话题又有点爆了？其实NeRF一直都挺火的，相关论文在Google Scholar上引用量已经超过6000次，每年顶级视觉会议如CVPR、ICCV、ECCV等都有大量关于神经辐射场的高质量工作被接受。许多科研机构和公司比如微软、Facebook、谷歌等都在研究神经辐射场的不同应用，有的已经将其应用于产品中，如捕捉人体动作等。

我是有底线的