Instant-NGP论文笔记

最新推荐文章于 2025-06-05 12:51:42 发布

原创最新推荐文章于 2025-06-05 12:51:42 发布 · 968 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#论文阅读

论文阅读笔记专栏收录该内容

43 篇文章

订阅专栏

本文介绍了instant-ngp的Nerf模型，它在原始Nerf架构上引入了hashencoder和球谐基函数encoder，以及不同的输入编码方式。文章详细对比了两者在实验上的表现，并提及了数据集处理中使用bounding-box的方法。

部署运行你感兴趣的模型镜像

文章目录

论文笔记

论文笔记

在这里插入图片描述

instant-ngp的nerf模型与vanilla nerf的模型架构相同。

instant-ngp的nerf模型包含两个MLP，第一个MLP就两个全连接，输入维度是32（16层分辨率x2），输出是16（用于预测密度）。第二个MLP有三个全连接，输入如下（16+16），输出是3（rgb）。

在这里插入图片描述

在NeRF上的实验结果如下：
在这里插入图片描述

因此，instant-ngp与原始NeRF不同之处在于，对于x,y,z的编码不同（hashencoder）和视角方向的球谐基函数encoder。原始的nerf对这两个使用的是position encoding的编码，而instant-ngp在此基础上，还多了hashencoder和球谐基函数encoder。

另外，在创建数据集时，会计算一个bounding-box，这是为了计算grid用的（https://github.com/yashbhalgat/HashNeRF-pytorch中的get_bboxed_from_blenderobj()函数可以计算）。

您可能感兴趣的与本文相关的镜像