清华全新NeRF训练机制：视觉质量不变！爆降7成内存，缩短4成时间

文章预览

作者 | Weixiang Zhang等  编辑 | 3D视觉之心 点击下方 卡片 ，关注“ 自动驾驶之心 ”公众号 戳我-> 领取 自动驾驶近15个 方向 学习 路线 >> 点击进入→ 自动驾驶之心 『 NeRF 』 技术交流群 本文只做学术分享，如有侵权，联系删文 令人头疼的训练速度 NeRF的训练速度是一个重大问题。在最初的 NeRF 设计中，每个像素（光线）的渲染需要对 个点进行采样，以计算颜色 和密度 。考虑一个尺寸为 的场景，这个过程需要 次神经网络的前向传播， 对于一个 1080p 分辨率的视图渲染，这可能超过 10^6 次计算 。这种计算负担极大地延长了训练时间，对这种新型3D媒体内容的生成产生了负面影响。 现有的加速训练方法主要依赖于使用显式表示（例如体素、张量和哈希表）来缓存与视角无关的特征： 虽然以空间换时间的方式实现了显著的时间节省， 但这些加速方 ………………………………