Neural Radiance Fields 神经辐射场 2020年
使用神经网络来学习静态3D场景并对其进行任意新视角合成（渲染）的方法。
通过使用多个视角的数据，网络可以更好地学习到场景中物体的几何和光照信息。在训练过程中，网络被促使预测出具有更高密度和更准确颜色的连续场景模型。
一旦NeRF网络训练完成，就可以使用任意的相机位置和朝向作为输入，通过体绘制（Volume Rendering）的技术将场景渲染为逼真的图像。通过这种方式，NeRF可以生成具有高视觉品质的场景渲染结果，即使是在未见过的视角下也能够准确地合成出真实的场景。
NeRF 的优点：
- 重建质量非常高，细节逼真到离谱
- 只需要少量照片（十几二十张）就能学
- 能处理复杂的光照和材质
NeRF 的缺点：
- 渲染太慢！一张 1080P 图片要好几秒，你想看个动画？等着吧
- 训练时间长，往往要几天几夜才能训好一个场景
- 特别吃显卡，一般人根本跑不起来