神经辐射场 (NeRF) 和即时神经图形基元的工作原理

神经辐射场 (NeRF) 逐渐成为深度学习领域的下一个热门话题。自 2020 年首次提出以来，论文数量激增，从 CVPR 2022 年的投稿中可以看出。《时代》杂志最近将 NeRF 的一种变体（称为即时图形神经原语）列入了 2022 年最佳发明名单。但是，它们到底是什么，它们的应用是什么？

CVPR 2022 年的投稿。 2022 年最佳发明

在本文中，我将尝试揭开所有不同术语的神秘面纱，例如神经场、NeRF、神经图形原语等。为了让您预览，它们​​都代表同一件事，具体取决于您问谁。我还将通过分析两篇最具影响力的论文来解释它们的工作原理。

什么是神经场？

神经场这个术语由 Xie 等人推广，描述了一种参数化信号的神经网络。该信号通常是单个 3D 场景或对象，但这不是强制性的。我们还可以使用神经场来表示任何类型的信号（离散或连续），例如音频或图像。

它们最流行的用途是在计算机图形应用中，例如图像合成和 3D 重建，这是本文的主要主题。

请注意，神经场也已应用于其他应用，例如生成建模、2D 图像处理、机器人技术、医学成像和音频参数化。

请注意，神经场也已应用于其他应用，例如生成建模、2D 图像处理、机器人技术、医学成像和音频参数化。

在大多数神经场变体中，完全连接的神经网络对对象或场景的属性进行编码。重要的是，需要训练一个网络来编码（捕获）单个场景。请注意，与标准机器学习相比，目标是将神经网络过度拟合到特定场景。本质上，神经场将场景嵌入到网络的权重中。

xxx xxx xx $xx$ xxxx