FelipeArias: Created page with "重建三维表示的神经方法在过去几年中取得了重大进展。NeRFs（Mildenhall 等人，[https://arxiv.org/html/2408.14837v1#bib.bib20 2020]）使用深度神经网络对辐射场进行参数化，该网络针对从不同相机姿态拍摄的一组图像的特定场景进行了专门优化。训练完成后，可通过体积渲染方法对场景的新视角进行采样。Gaussian Splatting（Kerbl 等人，[https://arxiv.org/html/2408.14837v1#bib.bib15 202..."

2024-09-09T00:29:39Z

Created page with "重建三维表示的神经方法在过去几年中取得了重大进展。NeRFs（Mildenhall 等人，[https://arxiv.org/html/2408.14837v1#bib.bib20 2020]）使用深度神经网络对辐射场进行参数化，该网络针对从不同相机姿态拍摄的一组图像的特定场景进行了专门优化。训练完成后，可通过体积渲染方法对场景的新视角进行采样。Gaussian Splatting（Kerbl 等人，[https://arxiv.org/html/2408.14837v1#bib.bib15 202..."

New page

重建三维表示的神经方法在过去几年中取得了重大进展。NeRFs（Mildenhall 等人，[https://arxiv.org/html/2408.14837v1#bib.bib20 2020]）使用深度神经网络对辐射场进行参数化，该网络针对从不同相机姿态拍摄的一组图像的特定场景进行了专门优化。训练完成后，可通过体积渲染方法对场景的新视角进行采样。Gaussian Splatting（Kerbl 等人，[https://arxiv.org/html/2408.14837v1#bib.bib15 2023]）方法建立在 NeRFs 的基础上，但使用三维高斯和改进的光栅化方法来表示场景，从而实现更快的训练和渲染速度。尽管这些方法展示了令人印象深刻的重建结果和实时交互性，但通常仅限于静态场景。

Translations:Diffusion Models Are Real-Time Game Engines/81/zh - Revision history