OPONeRF：用于鲁棒神经渲染的一点一NeRF
原文中文，约600字，阅读约需2分钟。发表于：。本研究解决了现有NeRF在训练和测试阶段场景变化问题导致渲染失败的瓶颈。通过提出OPONeRF框架，采用分而治之的方法，根据局部场景变化自适应地调整点状参数，从而有效捕捉场景的不确定性。实验结果表明，OPONeRF在多项评估指标上超越了最先进的NeRF技术，显示出其在真实和合成数据的适应能力。
研究表明，隐式紧凑模型能从多个视角学习场景，但速度较慢。ProNeRF通过投影感知采样网络和新训练策略，在内存、速度和质量上取得平衡，比NeRF快15-23倍，PSNR高0.65dB，比HyperReel高0.95dB，在LLFF和Blender数据集上表现优异。
