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.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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.
- DETR (Detection Transformer)Deep Learning↔ compare
- Latent Diffusion ModelsDeep Learning↔ compare
- Masked AutoencodersDeep Learning↔ compare
- Segment Anything ModelDeep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →