2021-2023神经辐射场（NeRF）118篇顶会论文合集（已分类整理）_beyondpixels: a comprehensive review of the evolut

有没有发现最近神经辐射场相关话题又有点爆了？

其实NeRF一直都挺火的，相关论文在Google Scholar上引用量已经超过6000次，每年顶级视觉会议如CVPR、ICCV、ECCV等都有大量关于神经辐射场的高质量工作被接受。许多科研机构和公司比如微软、Facebook、谷歌等都在研究神经辐射场的不同应用，有的已经将其应用于产品中，如捕捉人体动作等。

今年有关NeRF的最新研究也有不少了，上次和你们简单分享了17篇，传送门点这里。

这次我爆肝整理了2021-2023近三年神经辐射场相关的顶会论文118篇，想发paper的同学务必收藏，抓紧时间学起来了。

论文资料已经帮大家做了分类，包含综述、姿态估计、推理、训练、组合性、场景标注、对象类别建模等多个细分方向，需要的同学看文末打包领走

综述

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

神经辐射场演化的全面综述

简述：鉴于NeRF的广泛吸引力，全面检查NeRF的现有研究非常重要。尽管以前的3D渲染调研集中在传统的基于计算机视觉或深度学习的方法，但只有少数讨论了NeRF的潜力。这些调查主要关注NeRF的早期贡献，没有探索它的全部潜力。本文回顾了NeRF的最新进展，并根据架构设计对其进行分类，特别是在新视图合成方面。

NeRF: Neural Radiance Field in 3D Vision, A Comprehensive Review

3D视觉中的神经辐射场，一个全面综述

简述：神经辐射场(NeRF)作为一种新颖的基于隐式场景表示的视图合成方法，已在计算机视觉领域产生巨大影响。鉴于NeRF的普及和研究兴趣，作者认为有必要对过去两年的NeRF论文进行全面综述。作者从架构和应用两个维度对论文进行分类，还介绍了NeRF合成新视图的理论，以及比较了关键NeRF模型的性能和速度。

推理＆训练＆压缩

Hardware Acceleration of Neural Graphics（推理）

神经图形学的硬件加速

简述：论文研究了四个代表性的神经图形学应用，发现当前GPU存在1.5-55倍的性能差距，难以达到理想的渲染性能。作者识别输入编码和多层感知器是性能瓶颈，提出了一个神经图形处理集群架构，通过专用引擎直接加速关键模块，支持各种神经图形学应用。

1. DyLiN: Making Light Field Networks Dynamic

2. RT-NeRF: Real-Time On-Device Neural Radiance Fields Towards Immersive AR/VR Rendering

3. Efficient Neural Radiance Fields for Interactive Free-viewpoint Video

4. R2L： Distilling Neural Radiance Field to Neural Light Field for Efficient Novel View Synthesis

5. Real-Time Neural Light Field on Mobile Devices

6. Learning Neural Transmittance for Efficient Rendering of Reflectance Fields

7. AUTOMATIC INTEGRATION

8. DONeRF: Towards Real-Time Rendering of Compact Neural Radiance Fields using Depth Oracle Networks

9. FastNeRF: High-Fidelity Neural Rendering at 200FPS

10. KiloNeRF: Speeding up Neural Radiance Fields with Thousands of Tiny MLPs

11. For Real-time Rendering of Neural Radiance Fields

12. Mixture of Volumetric Primitives for Efficient Neural Rendering

13. Light Field Networks： Neural Scene Representations with Single-Evaluation Rendering

BakedSDF: Meshing Neural SDFs for Real-Time View Synthesis（训练）

为实时视图合成构建神经SDF网格

简述：论文提出了一种方法，用于重建大尺度无界实景的高质量网格，适用于逼真的新视角合成。作者首先优化了一个混合的神经体积-表面场景表示，设计为具有良好的等值面对应场景中的表面。然后，将这个表示“烘焙”成高质量的三角网格，并配备基于球形高斯的简单快速的视点依赖外观模型。最后，优化这个“烘焙”表示以最好地重现捕捉的视点，得到一个模型，可以利用多边形光栅化管线进行实时视图合成。

1. Direct Voxel Grid Optimization: Super-fast Convergence for Radiance Fields Reconstruction

2. Instant Neural Graphics Primitives with a Multiresolution Hash Encoding

3. Radiance Fields without Neural Networks

4. TensoRF: Tensorial Radiance Fields

5. Depth-supervised NeRF: Fewer Views and Faster Training for Free

Variable Bitrate Neural Fields（压缩）

可变比特率神经场

简述：论文提出了一种特征网格压缩字典方法，将其内存消耗降低了高达100倍，并允许多分辨率表示，这对流式处理很有用。作者将字典优化表述为一个向量量化自动解码问题，这使我们可以在一个没有直接监督的空间中端到端学习离散神经表示，拥有动态拓扑结构。

不受约束的图像

1. Ha-NeRF

   声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/2023面试高手/article/detail/563913