NeRFs: The Search for the Best 3D Representation

要約

Neural Radiance Fields (NeRF) は、ビュー合成や画像ベースのレンダリングだけでなく、コンピュータ グラフィックスやビジョンなどの他の多くのアプリケーションの問題を解決するための最適な表現となっています。
NeRF はその中核として、3D シーンまたは 3D ジオメトリの新しい表現を記述します。
メッシュ、視差マップ、マルチプレーン イメージ、さらにはボクセル グリッドの代わりに、シーンを連続ボリュームとして表現します。ビュー依存の放射輝度やボリューム密度などのボリューム パラメーターは、ニューラル ネットワークのクエリによって取得されます。
NeRF 表現は現在広く使用されており、毎年何千もの論文がそれを拡張または構築しており、複数の著者や Web サイトが概要や調査を提供し、多数の産業用アプリケーションや新興企業が提供しています。
この記事では、NeRF 表現を簡単にレビューし、ビュー合成と関連問題に最適な 3D 表現を見つけるための 30 年にわたる探求について説明し、NeRF 論文で頂点に達します。
次に、NeRF 表現の観点から新しい開発について説明し、3D 表現の将来についていくつかの観察と洞察を行います。

要約(オリジナル)

Neural Radiance Fields or NeRFs have become the representation of choice for problems in view synthesis or image-based rendering, as well as in many other applications across computer graphics and vision, and beyond. At their core, NeRFs describe a new representation of 3D scenes or 3D geometry. Instead of meshes, disparity maps, multiplane images or even voxel grids, they represent the scene as a continuous volume, with volumetric parameters like view-dependent radiance and volume density obtained by querying a neural network. The NeRF representation has now been widely used, with thousands of papers extending or building on it every year, multiple authors and websites providing overviews and surveys, and numerous industrial applications and startup companies. In this article, we briefly review the NeRF representation, and describe the three decades-long quest to find the best 3D representation for view synthesis and related problems, culminating in the NeRF papers. We then describe new developments in terms of NeRF representations and make some observations and insights regarding the future of 3D representations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google