神经辐射场加速算法综述.pdfVIP

2024年2月图学学报February2024

第45卷第1期JOURNALOFGRAPHICSVol.45No.1

神经辐射场加速算法综述

1231

王稚儒，常远，鲁鹏，潘成伟

(1.北京航空航天大学人工智能研究院，北京100191；

2.中国电信股份有限公司研究院，北京102209；

3.北京邮电大学人工智能学院，北京100876)

摘要：近年来，神经辐射场(NeRF)已成为计算机图形学和计算机视觉领域中一个重要的研究方向，因其

高逼真的视觉合成效果，在真实感渲染、虚拟现实、人体建模、城市地图等领域得到了广泛的应用。NeRF利用

神经网络从输入图片集中学习三维场景的隐式表征，并合成高逼真的新视角图像。然而原始NeRF模型的训练和

推理速度都很慢，难以在真实环境下部署与应用。针对NeRF的加速问题，研究者们从场景建模方法、光线采样

策略等方面展开对NeRF进行提速的研究。该类工作大致可分为以下研究方向：烘焙模型、与离散表示方法结合、

提高采样效率、利用哈希编码降低MLP网络复杂度、引入场景泛化性、引入深度监督信息和分解方法。通过介

绍NeRF模型提出的背景，对上述思路的代表方法的优势与特点进行了讨论和分析，最后总结了NeRF相关工作

在加速方面所取得的进展和对于未来的展望。

关键词：神经辐射场；视点合成；神经渲染；NeRF加速;深度学习

中图分类号：TP391DOI：10.11996/JG.j.2095-302X.2024010001

文献标识码：A文章编号：2095-302X(2024)01-0001-13

Areviewonneuralradiancefieldsacceleration

1231

WANGZhiru,CHANGYuan,LUPeng,PANChengwei

(1.InstituteofArtificialIntelligence,BeihangUniversity,Beijing100191,China;

2.ChinaTelecomResearchInstitute,Beijing1022