Neural Radiance Fields (NeRF)
Neural Radiance Fields (NeRF) är en metod som introducerades av Mildenhall et al. 2020, vilken representerar en 3D-scen som en kontinuerlig funktion parametriserad av ett neuralt nätverk. Givet bilder av en scen från flera vyer, lär sig NeRF att förutsäga färgen och densiteten hos ljusstrålar vid varje rumslig position och betraktningsvinkel, vilket möjliggör syntes av nya vyer med fotorealistisk kvalitet.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis. ScholarGate. https://scholargate.app/sv/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)Djupinlärning↔ compare
- Latent Diffusion ModelsDjupinlärning↔ compare
- Maskerade autoenkodrarDjupinlärning↔ compare
- Segment Anything ModelDjupinlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →