神经辐射场去掉神经,训练速度提升10
机器之心报道
编辑：张倩
没有了神经网络，辐射场（RadianceFields）也能达到和神经辐射场（NeuralRadianceFields，NeRFs）相同的效果，但收敛速度快了多倍。
年，加州大学伯克利分校、谷歌、加州大学圣地亚哥分校的研究者提出了一种名为「NeRF」的2D图像转3D模型，可以利用少数几张静态图像生成多视角的逼真3D图像。其改进版模型NeRF-W（NeRFintheWild）还可以适应充满光线变化以及遮挡的户外环境，分分钟生成3D旅游观光大片。
NeRF模型demo。
NeRF-W模型demo。
然而，这些惊艳的效果是非常消耗算力的：每帧图要渲染30秒，模型用单个GPU要训练一天。因此，后续的多篇论文都在算力成本方面进行了改进，尤其是渲染方面。但是，模型的训练成本并没有显著降低，使用单个GPU训练仍然需要花费数小时，这成为限制其落地的一大瓶颈。
在一篇新论文中，来自加州大学伯克利分校的研究者瞄准了这一问题，提出了一种名为Plenoxels的新方法。这项新研究表明，即使没有神经网络，从头训练一个辐射场（radiancefield）也能达到NeRF的生成质量，而且优化速度提升了两个数量级。
论文链接：
