Neural Radiance Fields (NeRF)
Neural Radiance Fields (NeRF) to metoda wprowadzona przez Mildenhalla i wsp. w 2020 roku, która reprezentuje scenę 3D jako ciągłą funkcję parametryzowaną przez sieć neuronową. Na podstawie wielokątnych obrazów sceny, NeRF uczy się przewidywać kolor i gęstość promieni światła w dowolnej lokalizacji przestrzennej i pod dowolnym kątem widzenia, umożliwiając syntezę nowych widoków z fotorealistyczną jakością.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis. ScholarGate. https://scholargate.app/pl/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)Uczenie głębokie↔ compare
- Modele dyfuzyjne w przestrzeni utajonejUczenie głębokie↔ compare
- Zamaskowane autoenkoderyUczenie głębokie↔ compare
- Model Segment AnythingUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →