Champs de radiance neuronaux (NeRF)
Les Champs de Radiance Neuronaux (NeRF) sont une méthode introduite par Mildenhall et al. en 2020 qui représente une scène 3D comme une fonction continue paramétrée par un réseau neuronal. À partir d'images multi-vues d'une scène, NeRF apprend à prédire la couleur et la densité des rayons lumineux en tout point spatial et sous tout angle de vue, permettant la synthèse de vues inédites avec une qualité photoréaliste.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Carte des méthodes
Le voisinage des méthodes apparentées — sélectionnez un nœud pour explorer.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis. ScholarGate. https://scholargate.app/fr/deep-learning/neural-radiance-fields
Quelle méthode ?
Placez cette méthode aux côtés de ses plus proches parentes et lisez-les côte à côte — la bibliothèque pose les ouvrages sur la table ; le choix vous revient.
- DETR (Detection Transformer)Apprentissage profond↔ comparer
- Modèles de Diffusion LatenteApprentissage profond↔ comparer
- Autoencodeurs masquésApprentissage profond↔ comparer
- Modèle Segment AnythingApprentissage profond↔ comparer
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →