Uma Pesquisa sobre Campos de Radiação Neural

A síntese de visualização é uma tarefa fundamental em visão computacional, conhecida por sua complexidade significativamente maior em comparação com problemas de visão convencionais. A introdução de Campos de Radiação Neural (NeRF) marcou uma grande inovação neste campo, melhorando substancialmente os métodos anteriores e elevando a síntese de visualização a níveis sem precedentes. Esta pesquisa visa revisar sistematicamente o progresso dos modelos baseados em NeRF na visão computacional. Começamos explicando os princípios centrais que fundamentam o sucesso do NeRF. Em seguida, mergulhamos e analisamos sete formas de representação baseadas em NeRF, incluindo Representação Implícita, Nuvem de Pontos Neural, entre outras. Depois, fornecemos uma comparação abrangente e análise de 14 direções de pesquisa principais que aprimoram o NeRF, como Modelagem de Diferentes Cenários de Captura Prática, Generalização na Modelagem e Modelagem de Cenas Dinâmicas. Além disso, realizamos avaliações qualitativas e quantitativas de numerosos métodos baseados em NeRF em múltiplos conjuntos de dados, comparando tempo de treinamento, velocidade de renderização e requisitos de memória. Finalmente, discutimos potenciais direções de pesquisa e desafios futuros neste campo. Esperamos que este trabalho inspire um maior interesse e contribua para o avanço da aplicação e desenvolvimento do NeRF na visão computacional.