本研究提出了将本应在神经网络评估后再进行渲染的颜色，改为直接渲染出射线查询的特征向量，从而大幅降低了神经网络评估的复杂度和计算开销，并取得了较好的渲染质量。

May, 2023

本文提出了一种紧凑且直接预测射线上积分辐射度的新型神经光场表示方法，支持小基线光场数据集每像素一次网络评估的渲染，并可应用于大基线场景。

Dec, 2021

使用混合的神经辐射场（HybridNeRF）方法，将大多数对象作为表面渲染，同时以体积化的方式对挑战性区域进行建模，以提高视图合成的质量和实时性。

Dec, 2023

本文提出了一种基于神经透射函数的新方法，用于加速神经反射场的渲染，减少了复杂光照下的时间复杂度，并保证了渲染精度。

Oct, 2021

我们通过对 NeRF 渲染方程进行简单修改，交换积分操作符和方向解码器网络，将视角相关的特征与独立部分分开，提高了渲染视角相关效果的质量，并通过实验证明了改进。

Nov, 2023

本研究提出了一种基于卷积神经辐射场的方法来解决现有方法中存在的问题，在新颖视角综合方面取得了显著的结果。

Jul, 2023

我们提出了一种新颖的神经辐射场（NeRF）表示，用于非不透明场景，通过利用带纹理的多边形实现快速推理。我们的方法通过对场景进行多边形建模，从纹理中获取不透明度和颜色，并使用透像渲染所需的象限点来模拟体积效应，从而克服了现有方法在体积渲染和建模体积效应方面的局限性。最终色彩图像通过光栅化多边形和片段着色器得到，我们的方法能够在各种设备上进行渲染，并与现有图形框架轻松集成，同时保持体积渲染的优势。

Dec, 2023

该研究提出一种新的方法，利用极线几何法提取采样自场景的块，将其通过一系列变换器进行预处理后预测目标采样射线的颜色，从而在不需要深度特征和 NeRF-like 卷积体积渲染的情况下，实现对未见过的场景的新视图综合，其具有更好的泛化性能，并且即使使用比以前工作少得多的数据进行训练，也能胜过现有技术水平。

Jul, 2022

本文介绍了一种使用深度神经网络进行视图综合和图像合成的方法，通过连续的体积场函数来优化复杂场景的视图，并在神经辐射场方面取得了最新的研究成果。

Mar, 2020

本文综述了近年来神经辐射场（NeRF）技术在 3D 渲染和视角合成领域的最新研究进展和其不同的架构设计。

Jun, 2023