NeRF 训练和渲染的核心步骤是体渲染技术 (volume rendering)。体渲染可以把神经场“拍平”成一张 2D 图像，从而可以和基准图像进行比较。这个过程是可微的，所以可以用来训练网络！ 有了神经场和体渲染的预备知识，我们来介绍 NeRF 的训练。

对 NeRF 一系列不同方向工作的总结。

当然这几年NeRF发展得很好了，上述问题都有papers尝试基于NeRF去解决。那么，这些问题在GS出现了就能都被解决吗？能产生新的 insights 吗？ 至少短期来看会有许多paper会把NeRF的方法乾坤大挪移在GS上都做一遍，也可以预期能看到大量GS paper的井喷。

2023年2月2日 · nerf(以大写作为nerf商标)是由帕克兄弟公司创建，目前由孩之宝公司所拥有的玩具品牌从1969创立至今拥有有上千种造型发射器，对于新人来说必然选购困难。那就给新人们来个简单的入坑指南，握紧你们的钱包。 本次指南从子弹类型 给大家分类推荐nerf产品。

任何nerf系统中的一个关键组件是mlp，它在移动nerf系统上特别紧凑，在移动nerf中的大小仅为约10.7kb。鉴于mlp在nerf中的重要性，从系统的角度探索潜在的增强功能至关重要。为了加速计算并减少内存占用，常见的神经网络压缩方法包括修剪、量化、知识提取等[6]。

而且，nerf这个框架能塞进很多东西，比如既然我们在用cg的体渲染的思路来做nerf训练了，那我们能不能继续把这个辐射场或者说渲染方程细化，让他表达对不同材质的不同渲染情况，对透明物体的处理，对水下环境的处理等等。甚至改改渲染方程都能搞出个黑洞 ...

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））。

nerf并不是一个probabilistic model也没有学出任何一个distribution，为什么它是生成模型呢？Jon Barron没有在任何一个场合说过NeRF是生成模型. nerf只是一种数据的表示方法而已，mesh不是生成模型，point cloud不是生成模型，png不是生成模型，为什么nerf是呢？

知乎，中文互联网高质量的问答社区和创作者聚集的原创内容平台，于 2011 年 1 月正式上线，以「让人们更好的分享知识、经验和见解，找到自己的解答」为品牌使命。知乎凭借认真、专业、友善的社区氛围、独特的产品机制以及结构化和易获得的优质内容，聚集了中文互联网科技、商业、 …

NeRF-RPN的一个关键创新是使用了一种新的体素表示，集成了多尺度3D神经体积特征。这允许NeRF内的3D边界框的直接回归，而不需要从任何视点进行渲染。相反，NeRF-Det，一种NeRF和Det联合方法，使用共享的基于几何结构的MLP将NeRF分支与检测分支连接起来。