nerf（一）

骆驼穿针眼

于 2024-05-05 01:18:11 发布

阅读量225

点赞数 3

CC 4.0 BY-SA版权

分类专栏： nerf 文章标签：人工智能

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/weixin_55982578/article/details/138450368

nerf 专栏收录该内容

1 篇文章

订阅专栏

本文探讨了利用神经网络存储和处理光线在空间中的传播，即神经辐射场，以实现精细的体渲染。通过粗细采样策略和位置编码，减少视图依赖，提升模型对复杂几何和纹理的表达能力。评价指标展示了该方法的有效性和性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

神经辐射场的概念

辐射场：由光源发出的光线在场景中的传播和反射过程中所形成的能量分布

在这里插入图片描述

神经辐射场：用神经网络储存空间位置向任意方向的辐射

定义
在这里插入图片描述
说明图：

公式

对于神经网路图的结构说明：

结构图：

空间位置对于nerf的影响
在这里插入图片描述

体渲染

在这里插入图片描述
采样

在这里插入图片描述
粗的策略：均匀采样 Nc 个点并计算采样点权重

在这里插入图片描述

细的策略：要用了粗的方法，根据粗的来生成nf，但是在nc+nf 采样
在这里插入图片描述

loss：使用了粗到细的策略，运用最小平方差
在这里插入图片描述

隐式重建

在这里插入图片描述
位置编码

在这里，我们可视化了我们的完整模型如何从表示与视图相关的发射辐射度以及通过高频位置编码传递输入坐标中受益。消除视图依赖性可防止模型在推土机胎面上重新创建镜面反射。删除位置编码会大大降低模型表示高频几何体和纹理的能力，从而导致外观过于平滑。

评价指标

在这里插入图片描述

结果
在这里插入图片描述

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。