GRF：用于三维表示与渲染的通用辐射场学习

我们提出一种简洁而强大的神经网络，仅从二维观测中隐式表示并渲染三维物体与场景。该网络将三维几何建模为通用辐射场，其以一组带有相机位姿和内参的二维图像作为输入，为三维空间中每个点构建内部表示，然后渲染该点从任意位置观察时的相应外观与几何。我们方法的关键在于学习二维图像中每个像素的局部特征，并将这些特征投影到三维点，从而产生通用且丰富的点表示。我们还集成注意力机制以聚合来自多个二维视角的像素特征，从而隐式考虑视觉遮挡。大量实验表明，我们的方法能为新物体、未见类别及具有挑战性的真实世界场景生成高质量且逼真的新视角。