NeRF：从题目去理解论文到底做了什么

NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis 解释一下题目含义：

就是NeRF是能根据不同方位ray和位置xyz的请求，输出得到3D空间中该视角看去某个点的RGB和密度σ，因此相当于代表了一个3D场景中的属性。相当于：本来是只有一系列图片的，而NeRF就能根据图像（说图像不太准确，就是xyz和方位角）去代表出整个“真实”3D场景，该场景带有RGBσ属性。所以题目叫做将NeRF作为”代表场景“（即：Representing Scenes as Neural Radiance Fields），而我们的目标并不是合成3D场景或者进行3D重建，而是希望进行novel view synthesis（NVS）——即新视角合成（利用3d场景即NeRF去往任何一个视角进行投影得到2D视图，这才是用NeRF的最终目的——即 for View Synthesis ，题目没说是novel view synthesis，我想可能就是不一定是要novel（即新的）视角下的图，因为在训练时是 真实图片与真实图片对应视角下的合成图片 之间进行最小误差化），也就是希望解决 可以得到任何一个视角看去的2D图像是怎样的并尽可能提升其质量分辨率细节的 这么一个问题。所以在训练的时候，输入很多图像及对应的位姿信息，训练好之后输入一个新的位姿信息，就能合成对应视角看去的新视角合成图像。若理解有问题希望批评指正！