[CVPR2021-best]GIRAFFE: Representing Scenes as Compositional Generative Neural Feature Fields

标题：GIRAFFE: Representing Scenes as Compositional Generative Neural Feature Fields

链接：https://arxiv.org/pdf/2011.12100

NeRF中，我们是使用一个辐射场来模拟一个现实场景，虽然相机可以任意改变位置，但是场景里的东西是固定不能动的，因为一个辐射场就是一个整体。而本文则是通过将多个辐射场组合，从而使得任一辐射场都可以在场景内任意移动。当然，本文将辐射场radiance field称之为feature field。

文章组成：

1.首先整体流程就是用的GRAF那一套，因此包含了一个生成器和一个鉴别器，只不过生成器内部有所区别。一方面GIRAFFE里有多个辐射场，另一方面是在渲染方面进行了一点改变。

2.首先，因为有多个辐射场，因此其中的每个辐射场都有自己的一套网络，对应着不同的位姿，形状和纹理参数。

3.其次就是如何组合多个辐射场，方法很简单，就是沿着光线，按照每个物体的密度把颜色做个求和就完事了。

4.最后就是如何渲染，GRAF是直接用体渲染就完事了，但本文在体渲染后面又加了个神经渲染，估计是为了提升画质把，就相当于把画面精炼了一遍。值得一提的是，本文的体渲染的结果并不是通常意义上的图，而是一个特征图，因为它输出的不是颜色，而是一个特征数值。个人认为，之所以这样是因为后面还有个神经渲染器，所以就保留一部分表达能力了。

5.最后的判别器和GRAF中的一样，就是一个单纯判别输出图像是真的还是合成的网络。