論文の概要: Neural Radiance Field-based Visual Rendering: A Comprehensive Review
- arxiv url: http://arxiv.org/abs/2404.00714v1
- Date: Sun, 31 Mar 2024 15:18:38 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-04 02:11:04.516396
- Title: Neural Radiance Field-based Visual Rendering: A Comprehensive Review
- Title（参考訳）: Neural Radiance Field-based Visual Rendering: A Comprehensive Review
- Authors: Mingyuan Yao, Yukang Huo, Yang Ran, Qingbin Tian, Ruifeng Wang, Haihua Wang,
- Abstract要約: 近年、Neural Radiance Fields (NeRF) はコンピュータビジョンとグラフィックスの分野で顕著な進歩を遂げている。
NeRFは学術界で継続的な研究ブームを引き起こしている。
本総説では,過去2年間にNeRFに関する研究文献を詳細に分析した。
- 参考スコア（独自算出の注目度）: 0.6047429555885261
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In recent years, Neural Radiance Fields (NeRF) has made remarkable progress in the field of computer vision and graphics, providing strong technical support for solving key tasks including 3D scene understanding, new perspective synthesis, human body reconstruction, robotics, and so on, the attention of academics to this research result is growing. As a revolutionary neural implicit field representation, NeRF has caused a continuous research boom in the academic community. Therefore, the purpose of this review is to provide an in-depth analysis of the research literature on NeRF within the past two years, to provide a comprehensive academic perspective for budding researchers. In this paper, the core architecture of NeRF is first elaborated in detail, followed by a discussion of various improvement strategies for NeRF, and case studies of NeRF in diverse application scenarios, demonstrating its practical utility in different domains. In terms of datasets and evaluation metrics, This paper details the key resources needed for NeRF model training. Finally, this paper provides a prospective discussion on the future development trends and potential challenges of NeRF, aiming to provide research inspiration for researchers in the field and to promote the further development of related technologies.
- Abstract（参考訳）: 近年,Neural Radiance Fields (NeRF) はコンピュータビジョンとグラフィックスの分野において顕著な進歩を遂げており,3次元シーン理解,新たな視点合成,人体再構築,ロボット工学などの重要な課題を解決するための強力な技術サポートを提供している。
革命的な神経暗黙の場表現として、NeRFは学術界で継続的な研究ブームを引き起こしている。
そこで本研究の目的は,過去2年間にNeRFに関する研究文献を詳細に分析し,創出研究者の総合的な学術的視点を提供することである。
本稿では,NeRFのコアアーキテクチャについて概説し,その後,さまざまなアプリケーションシナリオにおけるNeRFのさまざまな改善戦略や,さまざまな領域におけるその実用性を実証したケーススタディについて述べる。
データセットと評価指標の観点からは、NeRFモデルのトレーニングに必要な重要なリソースについて詳述する。
最後に,NeRFの今後の発展動向と今後の課題について,この分野の研究者に研究インスピレーションを与え,関連技術のさらなる発展を促進することを目的として,将来的な議論を行う。
関連論文リスト
- NeRF in Robotics: A Survey [95.11502610414803]
近年の神経暗黙表現の出現は、コンピュータビジョンとロボティクス分野に急進的な革新をもたらした。
NeRFは、単純化された数学的モデル、コンパクトな環境記憶、連続的なシーン表現などの大きな表現上の利点から、この傾向を引き起こしている。
論文 参考訳（メタデータ） (2024-05-02T14:38:18Z) - Neural Radiance Field in Autonomous Driving: A Survey [15.843740802262301]
本稿では、自律運転の文脈におけるNeRFの応用に関する包括的調査を行う。
本調査は,知覚,3次元再構成,同時局所化とマッピング(SLAM),シミュレーションなど,NeRFの自律運転(AD)への応用を分類するために構成されている。
論文 参考訳（メタデータ） (2024-04-22T01:36:50Z) - Methods and strategies for improving the novel view synthesis quality of neural radiation field [0.3499870393443268]
NeRF技術は、2D画像からシーンの3D暗黙モデルを学び、現実的な新しいビューイメージを合成することができる。
NeRF画像のレンダリング品質を改善する必要があるという問題に対して、多くの研究者が過去3年間のレンダリング品質を改善するための様々な方法を提案している。
この研究は、研究者がこの分野における現在の技術状況と進化の文脈を素早く理解するのに役立ちます。
論文 参考訳（メタデータ） (2024-01-23T02:30:16Z) - A Survey of Reasoning with Foundation Models [235.7288855108172]
推論は、交渉、医療診断、刑事捜査など、様々な現実世界の環境において重要な役割を担っている。
本稿では,推論に適応する基礎モデルを提案する。
次に、基礎モデルにおける推論能力の出現の背後にある潜在的な将来方向を掘り下げる。
論文 参考訳（メタデータ） (2023-12-17T15:16:13Z) - BeyondPixels: A Comprehensive Review of the Evolution of Neural Radiance Fields [1.1531932979578041]
NeRF(Neural Radiance Fieldsの略)は、AIアルゴリズムを使用して2D画像から3Dオブジェクトを生成する最近のイノベーションである。
この調査は、最近のNeRFの進歩を概観し、それらのアーキテクチャ設計に従って分類する。
論文 参考訳（メタデータ） (2023-06-05T16:10:21Z) - A Comprehensive Survey on Relation Extraction: Recent Advances and New Frontiers [76.51245425667845]
関係抽出(RE)は、基礎となるコンテンツからエンティティ間の関係を識別する。
ディープニューラルネットワークはREの分野を支配しており、顕著な進歩を遂げている。
この調査は、現実世界のREシステムの課題に対処するための研究者の協力的な取り組みを促進することが期待されている。
論文 参考訳（メタデータ） (2023-06-03T08:39:25Z) - Neural Radiance Fields: Past, Present, and Future [0.0]
MildenhallらがNeRFに関する論文で行った試みは、コンピュータグラフィックス、ロボティクス、コンピュータビジョンのブームにつながり、高解像度の低ストレージ拡張現実と仮想現実ベースの3Dモデルは、NeRFに関連する1000以上のプレプリントのリセットから注目を集めている。
このサーベイは、レンダリング、インプリシトラーニング、NeRFの歴史、NeRFの研究の進展、そして今日の世界のNeRFの潜在的な応用と意味を提供する。
論文 参考訳（メタデータ） (2023-04-20T02:17:08Z) - Towards Data-and Knowledge-Driven Artificial Intelligence: A Survey on Neuro-Symbolic Computing [73.0977635031713]
ニューラルシンボリック・コンピューティング(NeSy)は、人工知能(AI)の活発な研究領域である。
NeSyは、ニューラルネットワークにおける記号表現の推論と解釈可能性の利点と堅牢な学習の整合性を示す。
論文 参考訳（メタデータ） (2022-10-28T04:38:10Z) - NeRF: Neural Radiance Field in 3D Vision, A Comprehensive Review [19.67372661944804]
ニューラル・ラジアンス・フィールド(NeRF)は近年,コンピュータビジョンの分野で重要な発展を遂げている。
NeRFモデルは、ロボット工学、都市マッピング、自律ナビゲーション、仮想現実/拡張現実など、さまざまな応用を見出している。
論文 参考訳（メタデータ） (2022-10-01T21:35:11Z) - 3D Object Detection from Images for Autonomous Driving: A Survey [68.33502122185813]
画像から3Dオブジェクトを検出することは、自動運転の基本的かつ困難な問題の一つだ。
この問題を2015年から2021年にかけて200以上の研究が行われ、理論、アルゴリズム、応用の幅広い範囲で研究されている。
我々は,この新奇で継続的な研究分野を包括的に調査し,画像に基づく3D検出に最もよく使用されるパイプラインを要約する。
論文 参考訳（メタデータ） (2022-02-07T07:12:24Z) - Neural Fields in Visual Computing and Beyond [54.950885364735804]
機械学習の最近の進歩は、座標ベースニューラルネットワークを用いた視覚コンピューティング問題の解決への関心が高まっている。
ニューラルネットワークは、3D形状と画像の合成、人体のアニメーション、3D再構成、ポーズ推定に成功している。
本報告は、文脈、数学的基礎、および、ニューラルネットワークに関する文献の広範なレビューを提供する。
論文 参考訳（メタデータ） (2021-11-22T18:57:51Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。