Neural Radiance Fields (NeRF)
Neural Radiance Fields (NeRF) er en metode introduceret af Mildenhall et al. i 2020, som repræsenterer en 3D-scene som en kontinuerlig funktion parametriseret af et neuralt netværk. Givet multi-view billeder af en scene, lærer NeRF at forudsige farven og densiteten af lysstråler på enhver rumlig placering og synsvinkel, hvilket muliggør ny synsvinkel-syntese med fotorealistisk kvalitet.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Mildenhall, B., Srinivasan, P. P., Tancik, M., Barron, J. T., Ramamoorthi, R., & Ng, R. (2020). NeRF: Representing scenes as neural radiance fields for view synthesis. In Computer Vision-ECCV 2020: 16th European Conference (pp. 405-421). Springer International Publishing. DOI: 10.1007/978-3-030-58452-8_24 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis. ScholarGate. https://scholargate.app/da/deep-learning/neural-radiance-fields
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- DETR (Detection Transformer)Dyb læring↔ compare
- Latente diffusionsmodellerDyb læring↔ compare
- Maskerede AutoencodersDyb læring↔ compare
- Segment Anything ModelDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →