本文提出了一种新的街景神经辐射场模型（S-NeRF），通过改进场景参数化函数和学习更好的神经表示来应对现有 NeRF 模型在街景合成中出现的问题。实验证明，S-NeRF 模型在各种大规模驾驶数据集上的表现优于现有最先进方法，能够减少 7％至 40％ 的均方误差，并在移动车辆渲染的 PSNR 方面获得了 45％ 的增益。

该文介绍了一种新的混合显示-隐式3D表示方法，用于建模可动画化的3D人头头像。该方法融合了传统模型的先验信息和新的神经辐射场模型，实现了高分辨率、逼真且视角一致的动态头部外观综合，达到了最先进的性能。

本文研究和评估了在室外神经辐射场中使用深度先验方法对深度感知技术和应用方式的影响。实验证明了训练具有深度先验的神经辐射场模型的有效性。