NeRFs：寻找最佳 3D 表示
计算机视觉与模式识别
2023-08-22 v2 人工智能
图形学
机器学习
机器人学
摘要
神经辐射场（NeRFs）已成为视图合成或基于图像的渲染以及计算机图形与视觉等诸多其他应用问题中首选的表示。其核心在于，NeRFs 描述了一种 3D 场景或 3D 几何的新表示。不同于网格、视差图、多平面图像甚至体素网格，它们将场景表示为连续体，通过查询神经网络获得视图相关辐射与体积密度等体积参数。NeRF 表示现已被广泛使用，每年有数千篇论文对其扩展或基于其构建，多位作者与网站提供综述与调查，以及众多工业应用与初创公司。在本文中，我们简要回顾 NeRF 表示，并描述长达三十余年寻找用于视图合成及相关问题的最佳 3D 表示的探索，以 NeRF 论文为顶点。随后我们描述 NeRF 表示的新进展，并对 3D 表示的未来提出一些观察与见解。
引用
@article{arxiv.2308.02751,
title = {NeRFs: The Search for the Best 3D Representation},
author = {Ravi Ramamoorthi},
journal= {arXiv preprint arXiv:2308.02751},
year = {2023}
}
备注
Updated based on feedback in-person and via e-mail at SIGGRAPH 2023. In particular, I have added references and discussion of seminal SIGGRAPH image-based rendering papers, and better put the recent Kerbl et al. work in context, with more references