Global web icon
zhihu.com
https://www.zhihu.com/question/646049184
目前研0只具备深度学习相关知识，想要入门NeRF和3DGS需要具备哪些前置知识？ - 知乎
NeRF 还粘着点Neural， 3DGS 就完全没有神经网络的成分了。 除了利用现有深度学习做梯度下降优化，3DGS和深度学习关系不大。 NeRF/3DGS本质上还是在解决渲染的问题。 这是计算机图形学的核心内容。 不懂图形学应该还是能啃得懂NeRF。 大不了把那个 渲染公式 背 ...
Global web icon
zhihu.com
https://www.zhihu.com/question/631507898
如何看待神经渲染逐渐弃用神经网络现象？ - 知乎
所以NeRF需要一个basis function来表示连续的function，network自然是不二之选，当然有很多其他选择就是了。 而3dgs是通过gaussian kernel对signal进行reconstruction, 类似于你预先设定了这些gs points就是你的采样点，然后通过一个kernel function重建完整的积分。
Global web icon
zhihu.com
https://www.zhihu.com/question/592609386/answers/u…
Nerf还能作为2023年的计算机视觉研究方向吗？ - 知乎
nerf本身是有局限的，比如原始nerf只能解决forward facing场景，对360 inward facing解决一般。 此外还有outward facing，unconstrained等场景，可研究的方向还是有的。
Global web icon
zhihu.com
https://www.zhihu.com/people/yang-ji-heng-42
NeRF 3DGS日报 - 知乎
FastAvatar: Towards Unified Fast High-Fidelity 3D Avatar Reconstruction with Large Gaussian Reconstr…
Global web icon
zhihu.com
https://www.zhihu.com/question/589460900
nerf输出的3d模型在哪查看呢? - 知乎
NeRF的主要作用是建立了一个3d模型的隐式表达，在训练完成之后我们就可以得到 体素密度在3d模型上的分布（从MLP网络中的density网络获取），可以推断出重建物体占据了哪些位置（输出的体素密度σ大于某个阈值（可以调整，程序中为10））。
Global web icon
zhihu.com
https://www.zhihu.com/question/592609386
Nerf还能作为2023年的计算机视觉研究方向吗？ - 知乎
例如今年NVIDIA的GTC 2023就讨论了Nerf与当下火爆的AIGC的结合。 个人认为这个方向还是很有前途的。 除非CV出了类似chatgpt这样的东西（麻烦不要拿segment-anything出来对标了，啥时候商业化落地能这么厉害再说），否则未来的趋势中肯定有Nerf的一席之地。
Global web icon
zhihu.com
https://www.zhihu.com/question/628175716
三维重建里基于nerf的多视角重建和slam选哪个比较好？ - 知乎
NeRF分享了体积射线行进的相同精神，并引入了重要性采样和位置编码来提高合成图像的质量。 在提供高质量结果的同时，体积射线行进在计算上是昂贵的，这促使人们寻找更有效的方法，如3D GS。
Global web icon
zhihu.com
https://www.zhihu.com/people/yang-ji-heng-42/posts
NeRF 3DGS日报 - 知乎
回答数 3，获得 2,487 次赞同京 ICP 证 110745 号 · 京 ICP 备 13052560 号 - 1 · 京公网安备 11010802020088 号 · 互联网新闻信息服务许可证：11220250001 · 京网文 [2022]2674-081 号 · 药品医疗器械网络信息服务备案（京）网药械信息备字（2022）第00334号 · 广播电视节目制作经营许可证:（京）字第06591号 · 互联网 ...
Global web icon
zhihu.com
https://www.zhihu.com/column/c_1710703836652716032
NeRF and Beyond日报 - 知乎
NeRF and Beyond日报 介绍最新的NeRF和周边技术汇总 NeRF 3DGS日报 · 156 篇内容
Global web icon
zhihu.com
https://www.zhihu.com/question/637583957/answers/u…
为什么nerf没有采用transformer架构而是mlp? - 知乎
5. 总结 综上所述，NeRF选择MLP而非Transformer作为其架构的主要原因在于MLP在处理NeRF的特定任务（三维空间点的颜色和密度预测）时提供了一个简洁、高效且足够强大的解决方案。 MLP的结构足以处理NeRF的需求，同时保持了计算效率和模型简洁性。