本论文提出了一种基于学习的方法，利用无组织的野外照片合成复杂场景的新视图，并介绍了一系列扩展NeRF的方法以解决自然图像中的一些问题，最终成功地构建了名称为NeRF-W的系统，能够从互联网上的无组织照片集合中重建场景并呈现接近于照片现实主义水平的合成视图。

Aug, 2020

本文提出了 D-NeRF 方法，将神经辐射场扩展到动态领域，允许从单个相机围绕场景重建和渲染对象的新图像。通过将时间作为系统的额外输入，并将学习过程分为两个主要阶段，可以同时学习两个映射，实现控制相机视图和时间变量以及物体移动的目的。

Nov, 2020

该论文提出了一种新的非刚性动态场景重建和新视角合成方法——NR-NeRF，该方法能够使用一个便携式消费级相机拍摄到的动态场景的 RGB 图像创建高质量的时空几何和外观表示，并且可以生成复杂的渲染场景。

Dec, 2020

NeRFusion 提出了一种方法，通过将 NeRF 和 TSDF-based fusion 技术结合起来，实现了大规模室内场景的高效重建和逼真渲染，使用全新的循环神经网络来递增地重建实时稀疏场景表示，进一步提高了渲染质量，取得了大规模室内和小型物体场景的最先进质量，并比 NeRF 和其他最新方法重建速度更快。

Mar, 2022

本篇论文探讨了Neural Radiance Fields（NeRFs）在3D计算机视觉、计算机图形学和机器学习等领域的应用，包括历史、研究进展、潜在应用和影响等方面，并对相关研究进行了分类总结。

Apr, 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

该研究通过提出Enhance-NeRF模型，增强神经放射场（NeRF）在虚拟现实和增强现实等领域的三维重建应用，改进了场景识别和学习能力，有望广泛应用于照明、材质和形状的室外场景重建，具备插拔式的易用性，并能够与其他NeRF-based模型轻松集成。

Jun, 2023

该研究论文通过详细研究神经辐射场（NeRF）在工业应用领域的潜力，并提供未来研究方向，证明了NeRF在工业领域的潜力。此外，论文还展示了NeRF在视频压缩和三维运动估计方面的实验结果，证明了它们在这些应用中的有效性。

Aug, 2023

该论文介绍了一个名为UE4-NeRF的神经渲染系统，专门用于实时渲染大规模场景，并通过将场景分区并进行顶点优化、与UE4的光栅化流水线相结合等方法，实现了在4K分辨率下以每秒43帧的帧率进行实时渲染，并获得了与最先进方法相媲美的渲染质量。

Oct, 2023

近年来，神经辐射场（NeRF）在计算机视觉和图形领域取得了显着进展，为解决3D场景理解、新视角合成、人体重建、机器人等关键任务提供了强有力的技术支持。本文对过去两年内关于NeRF的研究文献进行了深入分析，在详细阐述NeRF核心架构的基础上，讨论了NeRF的各种改进策略，以及在不同应用场景中的案例研究，展示了其在不同领域的实际应用价值。同时，本文还详细介绍了NeRF模型训练所需的关键资源，最后提出了关于NeRF未来发展趋势和潜在挑战的前瞻性讨论，旨在为该领域的研究人员提供研究灵感，促进相关技术的进一步发展。

Mar, 2024