Paper review
1.[논문 리뷰] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis (ECCV 2020)
우리는 희소한 입력 시점들을 사용하여 연속적인 volumetric scene function에 기반하여 최적화함으로써 복잡한 scene의 novel view를 합성하여 state-of-the-art 결과를 달성한 방법을 제시함.입력: single continous 5D
2.NeRF 논문 정리
NeRF 연구 동향에 대해 아주 잘 정리된 사이트가 있어 첨부함. https://xoft.tistory.com/5 동향 파악에 큰 도움 많이 받았습니다ㅎㅎ 이 중에서도 Dynamic scene Rendering 쪽으로 먼저 읽어보려고 한다. Dynamic sce
3.Nerfies (ICCV 2021)
Nerfies 논문 전문 : https://arxiv.org/pdf/2011.12948.pdfNerfies 프로젝트 홈페이지 : https://nerfies.github.io/출처 Park, Keunhong, et al. "Deformable Neur
4.D-NeRF: Neural Radiance Fields for Dynamic Scenes (CVPR 2021)
D-NeRF 논문 : https://arxiv.org/abs/2011.13961D-NeRF 프로젝트 홈페이지 : https://www.albertpumarola.com/research/D-NeRF/index.html
5.ActorsNeRF: Animatable Few-shot Human Rendering with Generalizable NeRFs (ICCV 2023)
Figure 1: Animatable NeRF from a few images.
6.ResFields: Residual neural fields for spatiotemporal signals (ICLR 2024)
Neural fields는 고주파 신호로 학습된 neural network로 signed distance (SDFs)나 radiance fields (NeRFs)와 같은 복잡한 3D data를 모델링하는데 있어 인상적인 성능 때문에 최근에 많은 관심을 받고 있다.
7.Instant Neural Graphics Primitives with a Multiresolution Hash Encoding (SIGGRPAH 2022)
Fig. 1. 우리는 다수의 task들을 위한 single GPU에서 neural graphics primitives의 instant 학습을 증명한다.
8.HyperNeRF: A Higher-Dimensional Representation for Topologically Varying Neural Radiance Fields
논문: https://arxiv.org/abs/2106.13228프로젝트 홈페이지 : https://hypernerf.github.io/Github: https://github.com/google/hypernerfFig. 1. Neural R