【综述+3D】基于NeRF的三维视觉2023年度进展报告（截止2023.06.10）

已于 2023-09-04 18:32:59 修改
阅读量7k 收藏 42
点赞数 11
分类专栏： 论文解读 综述与技术进展 计算机视觉相关 文章标签： 3d NeRF 三维视觉
于 2023-09-04 18:22:57 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/imwaters/article/details/132670034
版权

论文：2003.Representing Scenes as Neural Radiance Fields for View Synthesis
官方网站：https://www.matthewtancik.com/nerf
突破性后续改进： Instant Neural Graphics Primitives with a Multiresolution Hash Encoding | 展示官网：https://nvlabs.github.io/instant-ngp/
搞懂神经辐射场的坐标系 Neural Radiance Fields (NeRF) - 董鑫的文章 - 知乎 https://zhuanlan.zhihu.com/p/599994753
【NeRF大总结】基于NeRF的三维视觉年度进展报告的文字版：https://blog.csdn.net/NGUever15/article/details/131312640
在这里插入图片描述

【[VALSE2023】0610 刘烨斌《基于NeRF的三维视觉年度进展报告]

在这里插入图片描述
参考资料
在这里插入图片描述

什么是nerf、原理简介、应用在哪里？

在这里插入图片描述

2个核心要素（5个输入，2个输出）

在这里插入图片描述

基本概念：渲染与优化过程

在这里插入图片描述
在这里插入图片描述

与三维视觉的关系

在这里插入图片描述

*应用价值

在这里插入图片描述

2023年年度总结

在这里插入图片描述

展望

在这里插入图片描述

研究背景、相关工作、重要意义

在这里插入图片描述

在这里插入图片描述

学术影响力

在这里插入图片描述

研究进展

在这里插入图片描述

在这里插入图片描述

mobileNeRf

在这里插入图片描述

体素化（DVGO）

在这里插入图片描述

重大优化，instant NGP

在这里插入图片描述
在这里插入图片描述

2023年重要进展

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

曾小蛙
关注
  • 11
    点赞
  • 踩
  • 42
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
三维重建-基于NeRF实现的稳定+实时3D说话人脸生成-附项目源码-优质项目实战.zip
06-01
本项目“三维重建-基于NeRF实现的稳定+实时3D说话人脸生成”聚焦于利用神经辐射场（Neural Radiance Fields, NeRF）技术来创建高质量、稳定的3D人脸模型，并实现实时的动态表情生成。以下将详细阐述NeRF技术以及它...
三维重建-基于NeRF实现使用指令编辑3D场景-附项目源码+流程教程-优质项目实战.zip
05-31
在本项目中，我们将深入探讨三维重建技术，特别是基于神经辐射场（NeRF）的方法，以及如何通过指令编辑3D场景。三维重建是一项关键的计算机视觉技术，它旨在从二维图像或视频数据中恢复出物体或环境的三维几何信息。...
2023博士生年度报告（破防版），请查收
阿木寺的博客
01-18 164
点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达点击进入—>【CV技术和求职】交流群扫码加入CVer学术星球，可以获得最新顶会/顶刊上的论文idea和CV从入门到精通资料，以及最前沿项目和应用！发论文搞科研，强烈推荐！来源：青塔人才综合整理自小红书转载自：学术志 | 编辑：学妹听歌报告、账单报告、足迹报告、阅读报告......纷纷上线，让我们也整理一版2023博士生年度报...
【NeRF大总结】基于NeRF的三维视觉年度进展报告
Joselynzhao
06-21 6195
NeRF：基于可微体渲染和神经场三维表征的新视角合成方法。隐式神经场：用基于坐标的全连接网络标识颜色场与体密度场体渲染公式：将颜色场合体密度场渲染为图像。
CVPR2023 NeRF文章汇总！都在这里了~
CV_Autobot的博客
09-06 451
作者|LearningMan 编辑|汽车人原文链接：https://zhuanlan.zhihu.com/p/616801897点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心技术交流群本文只做学术分享，如有侵权，联系删文最近在调研CVPR 2023里面，跟NERF相关的文章，这里先做初步的整理，感觉有价值的工作会再做笔记。后续若还发现更多相关的文...
关于Nerf的最新研究
jaccen的专栏
04-27 1124
随着Luma AI的到来，再次将Nerf推向浪尖，实用性进一步得到强化。Nerf仍以极速的发展速度前行，越来越多的研究方向不断涌现。关于Nerf的介绍，会另外写一篇文档记录，不过网上也有很多介绍。本文主要介绍几个Nerf的最新研究：1）4K-Nerf作者提出了一种扩展NeRF方法以生成超高分辨率3D场景的方法。通过实现更逼真的3D场景的生成，有望应用于VR/AR和电影制作等领域。类似研究还有：2）
都2023年了，我不允许你还不懂NeRF
3D视觉工坊
01-25 698
作者丨mathfinder@知乎来源丨https://zhuanlan.zhihu.com/p/569843149编辑丨3D视觉工坊点击进入—>3D视觉工坊学习交流群NeRF，即Neural Radiance Fields（神经辐射场）的缩写。研究员来自UCB、Google和UCSD。Title：NeRF: Representing Scenes as Neural Radiance Fie...
麻省理工最新！NeRF-SLAM: 具有神经辐射场的实时密集单目SLAM
CV_Autobot的博客
11-26 1216
作者| 汽车人 编辑|汽车人原文链接：https://zhuanlan.zhihu.com/p/583419503点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【SLAM】技术交流群后台回复【SLAM综述】获取视觉SLAM、激光SLAM、RGBD-SLAM等多篇综述！1论文思路：本文提出了一种新颖的几何和光度3D映射pipeline，用于从单目图像...
ICLR 2023 | DM-NeRF：从2D图像中实现3D场景的几何分解与编辑（已开源）
3D视觉工坊
04-01 934
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达编辑丨Cver点击进入—>3D视觉工坊学习交流群DM-NeRF: 3D Scene Geometry Decomposition and Manipulation from 2D Images论文链接：https://arxiv.org/abs/2208.07227PyTorch代码（已开源）：https://github.com/vLA...
【NeRF】背景、改进、应用与发展
Joselynzhao
05-24 9214
推荐阅读： Neural Fields in Visual Computing and Beyond[1] State of the art on neural rendering[2] NeRF Explosion 2020 awesome-NeRF 主要参考文献：https://zhuanlan.zhihu.com/p/512538748 GIRAFFE[12]再次凭借隐式表示中的物体编辑和组合获得CVPR2021年的best paper 。 1 背景 3D场景表征可分别为： 显式 （explic
基于NeRF和手机拍摄物体图片的三维重建python源码+数据集+操作说明.zip
08-21
【资源说明】 1、该资源内项目代码都是经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！ 2、本项目适合计算机相关专业(如计科、...python run_nerf.py --config configs/COLMAP_test.txt --render_only ```
python实现基于NeRF进行手机拍摄照片的三维重建源码.zip
04-21
python实现基于NeRF进行手机拍摄照片的三维重建源码.zip本资源中的源码都是经过本地编译过可运行的，评审分达到95分以上。资源项目的难度比较适中，内容都是经过助教老师审定过的能够满足学习、使用需求，如果有需要...
基于NeRF算法+python编程实现手机拍摄照片的三维重建源码（本科毕业设计）.zip
最新发布
06-25
基于NeRF算法+python编程实现手机拍摄照片的三维重建源码（本科毕业设计）.zip该项目属于个人毕业设计，经导师的精心指导与严格评审获得高分通过的设计项目。主要针对计算机相关专业的教师、正在做毕设、课设的学生...
不可思议！英伟达Instant NeRF训练NeRF模型最快只需5秒，单张RTX 3090实时渲染，已开源
张伟的专栏
11-18 2393
最后是神经辐射缓存（NRC）的直接可视化，其中网络预测每个像素路径的首个非镜面反射顶点的出射辐射，并根据实时路径跟踪器生成的光线进行在线训练。在这些编码中，最成功的是那些可训练、特定于任务的数据结构，它们承担了很大一部分学习任务。大型的、自然的 360 度场景（左）以及具有许多遮蔽和镜面反射表面的复杂场景（右）都得到了很好的支持。结果显示，多分辨率哈希编码实现了几个数量级的综合加速，能够在几秒钟内训练高质量的神经图形基元，并在数十毫秒内以 1920x1080 的分辨率进行渲染：如果你眨眼可能会错过它！
【OpenCV Java】opencv官方java例程演示（Windows下）
热门推荐
进一寸有一寸的欢喜
02-27 1万+
0 下载与安装 （Windows下） https://opencv.org/： 选择喜欢的版本安装，opencv3.4以后支持深度学习API   1 环境搭建  OpenCV Java with Eclipse：https://docs.opencv.org/trunk/d1/d0a/tutorial_java_eclipse.html 问题1：搭建opencv4.0环境失败： ...
【stable diffusion】图片批量自动打标签、标签批量修改（BLIP、wd14）用于训练SD或者LORA模型
进一寸有一寸的欢喜
06-12 1万+
对自己图片，自动化进行文字描述，用于训练stable-diffusion的自己的模型的大模型、训练LORA模型的数据准备
【Python-opencv3.4】视频基本操作（帧率，总视频帧数、从第N帧开始播放、播放进度显示、按键控制视频）
进一寸有一寸的欢喜
05-30 1万+
一、视频基本操作： 1.读取视频帧率、分辨率、读取视频总帧数、起始播放帧数 2.使用键盘控制视频 3.显示视频播放进度 二、基本操作对应代码 【完整代码】提取码：0vvb 1.读取视频帧率、分辨率、读取视频总帧数 #—————————————————————————————— #————————添加自己的视频播放路径——————————— video_path="F:/Ze...
【Gabor滤波器】提取图像纹理（Python、C++两种实现）
进一寸有一寸的欢喜
02-26 8032
主要参考：（后续链接重复） 分析opencv实现的gabor + 不同参数的gabor核（图）：https://blog.csdn.net/lhanchao/article/details/55006663 分析wiki百科的gabor实现：https://zhuanlan.zhihu.com/p/33311267 原理、opencv+c++实现：https://blog.csdn.net/ibelievesunshine/article/details/105113458 本文代码下载：https
【opencv】图片放大缩小到指定大小或按指定比例f放大缩小（resize函数）c++
进一寸有一寸的欢喜
06-30 7319
简介 本文实验是在Ubuntu下基于opencv3.4.6的resize()函数进行图片的大小变换的，主要有两种方式，一种是指定的变换后的图像大小，一种是给出图像放大缩小的比例，lena原图大小为 【512x512】分别变换为【456x123】，和【512*0.5,512*3】，结果： 【此为原图】 【结果图比较畸形，就不做显示了--】 C++实现代码 之前项目比较急的时候，在设定图像变换大小的时候，总是将Size(x,y)漏写成(x,y)，一直报错，以及不理解Size(空)的意义，通过输出，发.
基于nerf的三维重建方法
05-04
基于NeRF（Neural Radiance Fields）的三维重建方法可以被称为NeRF-based 3D Reconstruction。 NeRF是一种神经渲染技术，可以从2D图像中恢复出3D场景的光线传播情况，从而实现高质量的图像渲染。基于这个技术，可以将NeRF应用于三维重建，方法如下： 1. 拍摄一组2D图像，覆盖待重建物体的各个角度和方向。 2. 将这些2D图像送入神经网络中进行训练，生成一个3D场景的神经辐射场（neural radiance field）。 3. 将生成的神经辐射场应用于渲染3D场景，生成高质量的3D图像。 这种方法的优点是可以生成高质量、高分辨率、真实感强的三维重建结果。但同时也存在一些挑战，包括数据采集难度大、训练时间长、模型复杂等问题。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

曾小蛙

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值