文献综述
文 献 综 述动态场景的建模和渲染具有挑战性，因为自然场景通常包含复杂的现象，例如薄结构、不断演变的拓扑、半透明、散射、遮挡和生物运动。
在这些情况下，基于网格的重建和跟踪通常会失败，而其他方法通常依赖于受限的观看条件，这会限制交互性。
最近的一批研究利用隐性的、基于坐标的神经网络作为三维表示，从校准的二维图像监督中优化三维体积。
特别是，神经辐射场（NeRF）[1]展示了逼真的新视点渲染，捕捉到了场景的几何形状以及视点相关的效果。
在过往的研究中，Local implicit grid representations for 3d scenes [2] 和DeepSDF [3] 通过优化将 xyz 坐标映射到有符号距离函数，Local deep implicit functions for 3d shape [4] 和Occupancy networks [5] 通过优化将 xyz 坐标映射到占用场的深度网络，研究了连续 3D 形状作为水平集的隐式表示。
然而，这些模型受限于它们访问地面真实 3D 几何的要求，通常从诸如 ShapeNet [6] 等合成 3D 形状数据集获得。
随后的工作通过制定允许仅使用 2D 图像优化神经隐式形状表示的可微渲染函数来放宽对地面真实 3D 形状的要求。
Niemeyer等人 [7] 将表面表示为 3D 占用场，并使用数值方法找到每条射线的表面交点，然后使用隐式微分计算精确导数。
每个光线相交位置都作为神经 3D 纹理字段的输入提供，该字段预测该点的漫反射颜色。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
