蓝色
紫色
红色
Instant Neural Graphics Primitives with a Multiresolution Hash Encoding
Abstract
【核心:多分辨率哈希编码 以及 网络自适应学习处理哈希冲突】
原始的NeRF训练和评估的代价很高,本文提出了一种新的编码方式来降低这一成本。这种编码方式在不牺牲质量的情况下允许使用较小的网络,从而大大 减少浮点和内存访问操作的次数:一个小型神经网络被 可训练特征向量的多分辨率哈希表 所增强,其值通过 随机梯度下降(SGD) 进行优化。多分辨率结构使得网络能够区分 哈希碰撞,网络能够从这些碰撞中学习到应该选择使用的特征。且这种简单架构在现代GPUs上很容易实现并行化。本文通过使用完全融合的CUDA内核实现整个系统来利用这种并行性,重点是尽量减少浪费的带宽和计算操作。本文实现了几个数量级的综合加速,使高质量的神经图形基元的训练在几秒钟内完成,并在1920×1080的分辨率下在几十毫秒内完成渲染。
哈希编码
这个编码机制是很重要的,把一些特征映射到高维度空间上。