NeRF：3D 视觉中的神经辐射场——全面综述（高斯溅射后更新版）
计算机视觉与模式识别
2026-05-20 v8
摘要
2020 年 3 月，神经辐射场（NeRF）革新了计算机视觉，实现了基于隐式神经网络场景表示与新视角合成。NeRF 模型已在机器人、城市建图、自主导航、虚拟现实/增强现实等领域找到多样应用。2023 年 8 月，作为 NeRF 基框架直接竞争者的高斯溅射被提出，获得了巨大势头，并在关注度上超越 NeRF 基研究，成为新视角合成的主导框架。我们呈现了过去五年（2020–2025）NeRF 论文的全面调研。其中包括高斯溅射前时代的论文，当时 NeRF 主导了新视角合成以及 3D 隐式与混合表示神经场学习领域。我们也收录了高斯溅射后时代的成果，其中 NeRF 与隐式/混合神经场找到了更细分的应用。我们的调研在高斯溅射前时代按架构与应用分类法组织，并对 NeRF、神经场及隐式/混合神经表示方法的活跃研究领域进行了归类。我们提供了 NeRF 理论及其通过可微体积渲染进行训练的介绍。我们还给出了经典 NeRF、隐式与混合神经表示以及神经场模型的性能与速度基准比较，并概述了关键数据集。
引用
@article{arxiv.2210.00379,
title = {NeRF: Neural Radiance Field in 3D Vision: A Comprehensive Review (Updated Post-Gaussian Splatting)},
author = {Kyle Gao and Yina Gao and Hongjie He and Dening Lu and Linlin Xu and Jonathan Li},
journal= {arXiv preprint arXiv:2210.00379},
year = {2026}
}
备注
Updated Post-Gaussian Splatting