BeyondPixels: A Comprehensive Review of the Evolution of Neural Radiance Fields

要約

ニューラルレンダリングは、古典的なコンピュータグラフィックスと機械学習のアイデアを組み合わせて、実世界の観察から画像を合成するものです。NeRF（Neural Radiance Fieldsの略）は、AIアルゴリズムを使って2D画像から3Dオブジェクトを作成する最近の革新的な技術です。補間アプローチを活用することで、NeRFは複雑なシーンの新しい3D再構築ビューを生成することができます。NeRFは、3Dシーンの形状全体を直接復元するのではなく、「ラディアンスフィールド」と呼ばれるボリューム表現を生成し、関連する3D空間内のすべての点に対して色と密度を作成することができます。NeRFは、3次元空間内のすべての点に対して色と濃度を生成することができます。3Dレンダリングに関するこれまでの調査では、主に従来のコンピュータビジョンベースやディープラーニングベースのアプローチに焦点が当てられてきましたが、NeRFの可能性を論じるものはほんの一握りです。しかし、そのような調査では、NeRFの初期の貢献に主に焦点が当てられており、その完全な可能性を探るには至っていません。NeRFは比較的新しい技術であり、その能力と限界について継続的に研究されています。本調査では、NeRFの最近の進歩をレビューし、特に斬新なビュー合成の分野におけるアーキテクチャ設計に従って分類しています。

要約(オリジナル)

Neural rendering combines ideas from classical computer graphics and machine learning to synthesize images from real-world observations. NeRF, short for Neural Radiance Fields, is a recent innovation that uses AI algorithms to create 3D objects from 2D images. By leveraging an interpolation approach, NeRF can produce new 3D reconstructed views of complicated scenes. Rather than directly restoring the whole 3D scene geometry, NeRF generates a volumetric representation called a “radiance field,” which is capable of creating color and density for every point within the relevant 3D space. The broad appeal and notoriety of NeRF make it imperative to examine the existing research on the topic comprehensively. While previous surveys on 3D rendering have primarily focused on traditional computer vision-based or deep learning-based approaches, only a handful of them discuss the potential of NeRF. However, such surveys have predominantly focused on NeRF’s early contributions and have not explored its full potential. NeRF is a relatively new technique continuously being investigated for its capabilities and limitations. This survey reviews recent advances in NeRF and categorizes them according to their architectural designs, especially in the field of novel view synthesis.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL