เปรียบเทียบวิธี

	สนามการแผ่รังสีประสาท (NeRF)	โมเดล Segment Anything
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2020	2023
ผู้ริเริ่ม	Ben Mildenhall	Alexander Kirillov
ประเภท	Neural network architecture	Neural network architecture
แหล่งต้นตำรับ	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.	Kirillov, A., Mintun, E., Darrell, T., & Girshick, R. (2023). Segment Anything. In Proceedings of the IEEE/CVF International Conference on Computer Vision (pp. 4015-4026).
ชื่อเรียกอื่น	NeRF, Neural radiance field	SAM, Segment Anything
ที่เกี่ยวข้อง	4	4
สรุป	Neural Radiance Fields (NeRF) is a method introduced by Mildenhall et al. in 2020 that represents a 3D scene as a continuous function parameterized by a neural network. Given multi-view images of a scene, NeRF learns to predict the color and density of light rays at any spatial location and viewing angle, enabling novel view synthesis with photorealistic quality.	Segment Anything Model (SAM) is a foundation model introduced by Kirillov et al. in 2023 that can segment any object in an image given various forms of prompts. SAM is trained on a massive dataset of diverse images and learns to segment objects based on minimal user input such as points, boxes, or text descriptions.