# NeRF

clwm01

이 작업에서, 연속 5D 장면 표현의 매개 변수를 직접적으로 최적화하여 캡쳐된 이미지 셋의 렌더링의 오류를 최소화함으로, 뷰 합성의 오랜 문제를 새로운 방식으로 해결한다. 정적 장면을 각 point $(x,y,z)$와 방향 $(\\theta, \\phi)$으로 방출되는

gjghks950

NeRF 등의 neural rendering 기법은 강력한 3D novel view synthesis 성능을 자랑하지만, non-lambertian effect (view-dependent color change) 를 모사하기 위해서 rendering view 가 바뀔

gjghks950

NeRF 의 등장 이후 3D novel-view synthesis 분야는 NeRF's family 의 홍수를 맞이했다. Vanilla NeRF 는 당장 real-world task 로 적용하기에는 여러가지 한계점이 있으며, (e.g, Slow convergence &

hyungraelee

NeRF로 유명한 다음의 논문을 읽고 학습한 내용입니다.

seosan

Structure from MotionStructure from Motion(SfM)은 2D 이미지에서 3D 정보를 얻는 과정.Camera Calibration카메라 내부/외부 특징들 때문에 부정확한 3D Reconstruction이 발생할 수 있기 때문에, Calib

seosan

NVIDIA에서 Gigapixel image, SDF, NRC, NeRF를 모두 처리할 수 있는 모델을 소개한다. 간단히 Instant-ngp라 부르겠다. 작은 네트워크. multiresolution. "fully-fused CUDA"->병렬화. multiresolut

gjghks950

NeRF 는 MLP 를 이용하여 3D scene 을 고전적인 ray casting 방식: density & color 로 표현하는 방법이다. 일반적인 Neural Network 가 generalization 능력을 극대화하는 방향으로 사용되는데 반면, NeRF 는 Ne

logger_j_k

NeRF 논문을 (제맘대로) 한국어 번역한 글입니다. 직역 수준이라 가독성이 별로 좋지 않습니다.

kimkj38

3D point $(x,y,z)$와 viewing directions $(\\theta, \\phi)$로 구성된 5D input을 통해 single volume density와 view-dependent RGB를 output으로 추출하는 view synthesis를 수

gjghks950

https://neurips.cc/virtual/2020/protected/poster_55053683268957697aa39fba6f231c68.htmlNeurIPS2020 Spotlight Paper위 논문은 Fourier-featuring (coordin

kong7300

Abstract 5D scene representation(위치 x, y, z/viewpoint 방향 θ,ϕ)을 기반으로 한 '뷰 합성' 방법 [- Result video] (http://cseweb.ucsd.edu/~viscomp/projects/LF/papers