ScholarGate
Assistent
Machine learningDeep Learning, 3D Vision, Generative Models

Neural Radiance Fields (NeRF)

Neural Radiance Fields (NeRF) ist eine von Mildenhall et al. im Jahr 2020 eingeführte Methode, die eine 3D-Szene als kontinuierliche Funktion darstellt, die durch ein neuronales Netz parametrisiert wird. Ausgehend von Mehrbildaufnahmen einer Szene lernt NeRF, die Farbe und Dichte von Lichtstrahlen an jeder räumlichen Position und jedem Blickwinkel vorherzusagen, was die Synthese neuer Ansichten mit fotorealistischer Qualität ermöglicht.

In MethodMind öffnenDemnächstVideoDemnächstDownload slides

Die vollständige Methode lesen

Nur für Mitglieder

Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.

Anmelden

Method map

The neighbourhood of related methods — select a node to explore.

Quellen

  1. 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

So zitieren Sie diese Seite

ScholarGate. (2026, June 3). NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis. ScholarGate. https://scholargate.app/de/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.

Compare side by side

Referenziert von

ScholarGateNeural Radiance Fields (NeRF) (NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis). Abgerufen am 2026-06-15 von https://scholargate.app/de/deep-learning/neural-radiance-fields · Datensatz: https://doi.org/10.5281/zenodo.20539026