自动驾驶中分布辐射场用于边缘视频压缩和元宇宙集成
原文中文，约200字，阅读约需1分钟。发表于：。提出了一种基于分布式辐射场（RFs）和多接入边缘计算（MEC）网络的新方法，用于视频压缩和元宇宙数字孪生（DT）更新，通过使用 RFs 代替 I 帧，可实现高达 80% 的数据节省，同时保持了重建图像的高峰信噪比（PSNR）和结构相似性指标（SSIM）质量测量。讨论了元宇宙和自主移动性的可能应用和挑战。
该论文提出了一种在传统图形管线中将多边形网格资源嵌入逼真的神经放射场（NeRF）体积中的方法，以实现物理一致的渲染和模拟。通过设计网格和NeRF之间的双向耦合，解决了路径跟踪器和标准NeRF之间的颜色空间差异。还提出了估计光源和在NeRF上投射阴影的策略，并与高性能物理模拟器高效集成。
