文章：NeRFs: The Search for the Best 3D Representation
作者：Ravi Ramamoorthi
编辑：点云PCL
欢迎各位加入知识星球，获取PDF论文，欢迎转发朋友圈。文章仅做学术分享，如有侵权联系删文。
公众号致力于点云处理，SLAM，三维视觉，高精地图等领域相关内容的干货分享，欢迎各位加入，有兴趣的可联系dianyunpcl@163.com。侵权或转载联系微信cloudpoint9527。
摘要
神经辐射场（NeRF）已成为多视图合成或基于图像的渲染等问题的首选表示方法，同时也广泛应用于计算机图形和视觉等多个领域，甚至更多领域。本质上NeRF描述了一种新的3D场景或几何表示方法。与网格、视差图、多平面图像甚至体素网格不同，它将场景表示为一个连续的体积，体积参数如视角相关辐射和体积密度通过查询神经网络获得。NeRF方法现已被广泛使用，每年有数千篇论文在其基础上进行扩展或构建，有多个作者和网站提供概述和调查，以及众多工业应用和初创公司。在这篇文章中，我们简要回顾了NeRF表示方法，并描述了长达三十年的寻找多视图合成和相关问题的最佳3D表示方法的探索，最终达到NeRF。然后描述了NeRF表示方面的新发展，并对3D表示的未来提出了一些观察和见解。
引言和基本的 NeRF 算法
NeRF 被引入作为一种方法，迄今为止在视图合成或基于图像的渲染任务上取得了最高质量的视觉和定量结果。虽然这个问题很容易陈述，但在解决方面却是非常困难的。给定一个感