Machine learningDeep Learning, 3D Vision, Generative Models
Neural Radiance Fields (NeRF)
Neural Radiance Fields (NeRF)는 Mildenhall 등(2020)이 발표한 방법으로, 3D 장면을 신경망으로 매개변수화된 연속 함수로 표현합니다. 장면의 다중 시점 이미지가 주어지면, NeRF는 모든 공간 위치와 시점에서 광선의 색상과 밀도를 예측하도록 학습하여, 사실적인 품질로 새로운 시점 합성을 가능하게 합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis. ScholarGate. https://scholargate.app/ko/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)딥러닝↔ compare
- 잠재 확산 모델딥러닝↔ compare
- Masked Autoencoders딥러닝↔ compare
- 세그먼트 애니띵 모델딥러닝↔ compare