本文介绍了基于神经网络的辐射场模型，包括Point-NeRF和S-NeRF，旨在提高视图合成和场景重建的质量与效率。Point-NeRF结合了NeRF和多视图立体成像的优点，快速处理3D重建错误；S-NeRF通过改进参数化函数和使用稀疏LiDAR点，显著降低均方误差。此外，研究探讨了合成数据在机器人重定位中的应用，提升了定位精度。

该论文介绍了一种新的基于神经网络点云的辐射场模型，Point-NeRF，结合了NeRF和深度多视图立体成像的方法，用于高质量的视图合成和快速的场景几何重建。Point-NeRF相对于NeRF具有快速训练和处理3D重建错误和异常数据的优势。

Point-NeRF是一种新的基于神经网络点云的辐射场模型，结合了NeRF和深度多视图立体成像的优点，可用于高质量的视图合成和快速的场景几何重建。相对于NeRF，Point-NeRF具有快速训练和处理3D重建错误和异常数据的优势。