Neural Radiance Fields (NeRF) is a real-time rendering technique for synthesizing 3D objects from 2D images, with a focus on examining the system perspective and identifying critical control knobs for improving performance on mobile devices.

Jun, 2024

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

通过 NeRF 的方法来实现对于图像的 View Synthesis, 本文提到了 NeRF 的成功之处以及在应用于大规模无界三维场景中进行改进，使其在 360° 的拍摄模式下提高拍摄质量。

Oct, 2020

通过提出了 MixRT，一种包含低质量网格、视角依赖位移图和压缩 NeRF 模型的新型 NeRF 表示方法，有效利用现有图形硬件的能力，在边缘设备上实现了实时 NeRF 渲染，速度快（MacBook M1 Pro 笔记本分辨率 1280 x 720 超过 30 FPS），渲染质量更好（Unbounded-360 数据集室内场景 0.2 PSNR 高），存储大小更小（与最先进的方法相比少于 80%）。

Dec, 2023

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

本篇论文提出了一种新的方法，通过将 NeRFs 融合为可与高度并行的图形渲染管线完全兼容的高效网格神经表示，使用屏幕空间卷积，来提高外观的质量和整个框架的表现。

Apr, 2023

文章提出了 FastNeRF 方法，通过图形学中的因式分解实现深度辐射图的高效缓存和查询，可在高端消费者 GPU 上以 200Hz 的速率呈现高保真度的照片般逼真的图像，比原始 NeRF 算法快 3000 倍，同时保持视觉质量和可扩展性。

Mar, 2021

Neural Radiance Fields (NeRFs) are a new representation of 3D scenes for view synthesis and image-based rendering, widely used and extended by thousands of papers, with potential for future advancements in 3D representations.

Aug, 2023

Neural Radiance Field (NeRF) is a framework representing a 3D scene with MLP, achieving state-of-the-art photorealistic image renderings for view synthesis and expanding capabilities to generate views from dynamic scene representations with fewer images for training.

Apr, 2023

该研究论文介绍了一种新型网络结构，通过通道结构剪枝的压缩技术，可以在移动设备上高效运行，对于新颖视图合成、神经辐射场、神经光场和移动设备都具有重要的研究意义。

Jun, 2024