میدانهای تابش عصبی (NeRF)
NeRF نمایش صحنه سهبعدی را به صورت تابعی نگاشتکننده فرمولبندی مجدد میکند: (x, y, z, theta, phi) -> (r, g, b, density). به جای ذخیره هندسه به صورت مشها یا شبکههای وکسلی، NeRF از یک شبکه عصبی برای نمایش ضمنی صحنه استفاده میکند. شبکه یاد میگیرد اطلاعات مکانی را با استفاده از کدگذاری موقعیتی (توابع سینوسی) که به شبکه در یادگیری جزئیات فرکانس بالا کمک میکند، رمزگذاری کند. برای هر مکان سهبعدی و جهت دید، شبکه تابش (رنگ) و چگالی (کدورت) پرتوهای نور را خروجی میدهد. نماهای جدید با پرتاب پرتو از موقعیت دوربین جدید و استفاده از رندر حجمی برای ترکیب رنگها در طول پرتو از پیشزمینه به پسزمینه رندر میشوند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis. ScholarGate. https://scholargate.app/fa/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)یادگیری عمیق↔ compare
- مدلهای انتشاری نهفتهیادگیری عمیق↔ compare
- خودرمزگذارِ پوشیده (Masked Autoencoders)یادگیری عمیق↔ compare
- مدل قطعهبندی هر چیزی (Segment Anything Model - SAM)یادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →