通俗易懂学nerf——神经网络核心

最新推荐文章于 2024-09-25 13:54:13 发布
最新推荐文章于 2024-09-25 13:54:13 发布
阅读量9 收藏
点赞数
分类专栏： 通俗易懂学nerf 文章标签： 算法 人工智能 自动驾驶 c++ 神经网络 深度学习
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/u013998156/article/details/141781901
版权

        上一讲通过前处理得到了粒子的空间位姿，图片->前处理->6D向量。这一讲我们讲解第二步，6D->MLP->4D向量。

我们先弄清楚神经网络模型的输入和输出。

        模型的输入：将物体进行稀疏表示的粒子和位姿，就是6D向量

        模型的输出：该粒子的密度和颜色

模型的结构。

  • 8层全连接层
  • 半路再次输入位置坐标（\gamma (x)）
  • 后半路输出密度（\sigma）
  • 后半路输入方向视角（\gamma (d)）
  • 最后输出颜色RGB

问题一：全连接层是什么ÿ

了解本专栏 订阅专栏 解锁全文 超级会员免费看
四个字
关注
专栏目录
订阅专栏
通俗易懂学nerf——为什么要用神经网络
u013998156的博客
05-05 67
而神经网络就是代替过去手动提取特征的过程，用多层次的网络结构，来捕获图片中复杂的特征，通过对比真实图片和生成图片的差距，不断优化网络的参数，形成复杂的非线性方程。传统渲染流程中，图片上像素的位置，是将世界坐标系下物体每个点的位置，经过相机坐标系，归一化相机坐标系，最终得到像素坐标系。同时，对3D世界中的光源和物体建模，模拟光照位置和强度，模拟物体的材质、纹理、反射率等属性。————这就叫做显式表示。相机是连接3D世界和2D图片的桥梁，当相机在拍照时，经过物体折射或者反射的光线进入到相机中，最终成像。
通俗易懂学nerf——nerf流程
u013998156的博客
05-05 143
在nerf的框架下，三维空间被看作是由无数微小的体积单元组成，这些微小的体积单元组成，这些微小的体积单元被称为体素。具体来说，粒子得密度越高，物体在该位置的不透明度就越高，光线穿过该位置时被吸收或散射的概率就越大。但是nerf的神经网络的模型的输入是5D向量（粒子的x,y,z,theta,phi），输出是4D向量（粒子的密度和颜色）。整个nerf的输入时2D图片，和相机的位姿（位置和方向），输出是合成的2D图片。2.什么是空间中任意一点沿着视线的颜色和密度，这个和最终重建的图片是什么关系？
通俗易懂学nerf——nerf的基本概念
u013998156的博客
05-02 297
nerf中借鉴了物理学中场的概念，用辐射场来描述场景中光线在空间中的分布和传输。具体讲，nerf用一个神经网络模型来描述空间中任意一点沿着任意视线的颜色（亮度）和密度（不透明度）。这个预测过程可以被看作是对场景中光线辐射的模拟，因为颜色和密度实际上就代表了光线的能量分布和传输。具体来说，场是用空间位置函数来表征的，经常要研究某种物理量在空间的分布和变化规律。在物理学中，场是一个以时空为变量的物理量，并且场含有能量。2.什么是空间中任意一点沿着视线的颜色和密度，这个，他和最终的图片是什么关系？
通俗易懂学nerf——初识nerf
u013998156的博客
04-27 100
同时，由于NERF的渲染过程是基于神经网络的，因此它还具有更强的泛化能力，可以适应不同风格、不同精度的渲染需求。nerf也是如此，它通过分析照片中的每一个像素点，提取出深度、颜色、纹理等信息，然后像拼图一样把这些信息拼接起来，形成一个完整的三维模型。它就像是个超级魔术师，轻轻一挥，那张平面的照片就变成了立体的三维模型，仿佛你可以走进去，感受那里的空气、触摸那里的物体。提起nerf往往会设计到一些艰涩难懂的概念，神经辐射场、体渲染、神经网络等等，请不不要害怕，这些都是纸老虎，它的原理远远没有你想象的那么难。
【论文阅读笔记】NeRF+Mip-NeRF+Instant-NGP
weixin_43357695的博客
12-10 2029
NeRF是NeRF系列的开山之作，将三维场景隐式的表达为神经网络的权重用于新视角合成。MipNeRF和Instant NGP分别代表了NeRF的两个研究方向，前者是抗锯齿，代表着渲染质量提升方向；后者是采用多分辨率哈希表用于加速NeRF的训练与推理速度。通过NeRF实现新视角合成。
ICLR 2023 | PatchDCT: 开启精细化实例分割新篇章！
CV_Autobot的博客
02-24 5774
作者|派派星 编辑| CVHub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【实例分割】技术交流群后台回复【分割综述】获取语义分割、实例分割、全景分割、弱监督分割等超全学习资料！Title:PatchDCT: Patch Refinement for High Quality Instance SegmentationPaper:https:/...
《大白AI周报》精华内容整理汇总
热门推荐
江南研习社
07-20 1万+
在人工智能学习中，大家或多或少都会关注一些公众号，但随着每天信息量的暴增，碎片化的内容让大家应接不暇。如何挖掘有价值的内容，如何快速查阅自己需要的内容，是一个头疼的问题。 因此大白每周都会将人工智能领域，几十个公众号每周发布的精华内容汇总起来。同时进行系统的分类，让大家对于人工智能行业每周的技术动态**可以一目了然，希望对大家有帮助。 《大白AI周报》每周精华文章链接： 每周日报的内容还是有点多，大白将其中的更加系统性，或者对项目来说，更有针对性的文章，整理到本文中，方便大家更好的查看。 整理汇总：江大白
通俗易懂学nerf——体渲染
u013998156的博客
05-05 254
2、同时体渲染技术能够生成高质量的渲染图像，具有逼真的光照、阴影和材质效果。通过模拟光线在体积中的传播和与物质的交互，体渲染能够捕捉到复杂场景中的细节和变化，从而生成令人信服的渲染结果。前面讲解了粒子的概念，我们知道nerf核心的步骤是计算出空间中粒子的密度和颜色，那么通过粒子的密度和颜色是如何生成最终的2D图像呢？1、体渲染能够直接处理三维数据场中的离散数据点，并计算它们对最终渲染图像的贡献。也就是说只要知道光线的方向，和粒子在这个方向的分布，就可以在2D图像上渲染出对应的像素。
力扣 困难 154.寻找旋转排序数组中的最小值 II
qq_51352130的博客
09-23 361
153.寻找旋转排序数组中的最小值在此基础上，进行二分之前，单独处理一下左指针和最后一个数相同的情况就好了。left++;} else {
atcoder abc372 启发式合并， dp
2201_75845839的博客
09-22 497
现在考虑如何存数据。可以用并查集合并两个集合，并且在合并的时候一定要将小的集合合并到大的集合中去，因为小集合合并到大集合中，最后的集合一定大于小集合元素数量的两倍，因此合并的时间复杂度不会超过logn。思路：判断当前变化的位置对结果是否会产生影响，在询问前先计算有多少ABC, 每次变换位置x前后扫描一下[x - 2, x + 2]范围内是否有ABC，变换前有让cnt --， 变换后有让cnt ++思路：三进制转换，可以参考二进制，先把当前可以加入的最大的3的幂次加入,这样一定可以凑出答案。
【优选算法】（第一篇）
最新发布
weixin_73861555的博客
09-25 1055
这个⽅法是往后我们学习「快排算法」的时候，「数据划分」过程的重要⼀步。如果将快排算法拆解的话，这⼀段⼩代码就是实现快排算法的「核⼼步骤」。
【算法笔记】二分查找 红蓝染色法
weixin_51325964的博客
09-23 823
一个菜鸟的算法笔记
文档矫正算法：DocTr++
Guo_Python的博客
09-23 405
论文提出了一种新的数据处理方式，解决了以前文档矫正只能处理带有边界信息的完整文档，文章通过数据处理定义了三种类型的训练数据。（a）包含完整文档边界，（b）包含部分文档边界，（c）不包含文档边界。算法框架如下：对于任意弯曲的文档，作者首先通过CNN抽取特征，然后通过transformer结构进行编码和解码，最后用Flow Head预测偏移场，用偏移场矫正弯曲图片。
C语言题目之单身狗2
something for nothing的博客
09-22 517
c语言题目之找单身狗2：在一堆数中找到两个只出现过一次数的数
大数据新视界 --大数据大厂之算法在大数据中的核心作用：提升效率与智能决策
青云交的博客
09-20 2604
本文深入剖析算法在大数据中的核心作用。从提升大数据处理效率和助力智能决策两方面展开，涵盖数据过滤与清洗、并行计算优化等多种算法，结合实际案例与代码示例，阐述其原理、优势、局限性及优化方法。强调算法与新兴技术融合的未来发展方向，同时关注安全性、伦理和社会责任。呼吁读者参与互动讨论，分享算法应用经验及对未来发展的期待建议。
数位dp(算法篇)
hellmorning的博客
09-23 1048
数位dp也就是将动态规划的思想放入到对数的每一位进行，也是一种动态规划的一种，本篇文章将会带大家简单学习一下
全栈项目小组【算法赛】题目及解题
2201_75648436的博客
09-22 472
全栈项目小组【算法赛】
算法课习题汇总(2)
2302_79180171的博客
09-20 573
将正整数n表示成一系列正整数之和，n=n1+n2+…+nk(n1>=n2>=…>=nk,k>=1)。正整数n的这种表示称为正整数n的划分。思路：n表示待划分数，m表示最大减数。
nerf神经网络对gpu要求
05-09
对于nerf神经网络，其对gpu的要求相对较高。该神经网络主要由两部分组成，即网络的前向模型和反向模型。在训练网络的过程中，需要对这两个模型进行反复的计算，以实现不同参数的调整和更新。由于nerf神经网络需要...
评论
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
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