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

该论文提出了一种名为 Sparse Neural Radiance Grid 的新方法，它使用学习的稀疏体素网格表示，通过对神经辐射场（Neural Radiance Fields）进行预处理和存储（烘焙）来实现实时渲染。通过该方法，可以在以往的基础上保留了NeRF渲染精细几何细节和视图相关外观的能力，实现在普通硬件上进行实时渲染。

Mar, 2021

作者提出了基于可微分不可视模块的NeRF-ID方法，该方法可以优化粗到精的采样策略，得到比NeRF和当前最先进算法更好的视图合成质量，并且显著降低计算时间。

Jun, 2021

NeRF-SR是一种高分辨率、低分辨率输入的新视角综合解决方案，基于神经放射场，利用超采样策略和改进网络，在没有外部信息的情况下，实现了高质量的新视角合成。

Dec, 2021

本文介绍一种新的深度残差MLP网络用于学习Neural Light Field（NeFL），通过从预训练的NeRF模型中转移知识进行数据精馏，以此消除NeRF的迭代采样问题，在合成和现实场景下的实验结果表明，与其他算法相比，我们的方法在节省计算资源和提高渲染质量方面具有明显的优势。

Mar, 2022

本文提出EfficientNeRF，一种高效的基于NeRF的方法，用于表示3D场景和合成新视图图像。通过在粗略和精细阶段分别提出有效的和关键的采样方法，以显著提高采样效率。同时，设计一种新的数据结构来加速整个场景的缓存以加速渲染速度。结果表明，本方法可以缩短88%以上的训练时间，实现超过200 FPS的渲染速度，而仍保持竞争力的准确性，从而促进NeRF 在现实世界中的实际应用和推广。

Jun, 2022

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

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

通过改进射线采样方法，在保持真实感渲染结果的同时提高了神经辐射场训练的效率，加快了神经网络的收敛速度并更准确地感知场景的空间几何结构。

Aug, 2023