两年前在ECCV 2020上提出的神经辐射场(NeRFs)展示了从一组校准图像重建照片逼真和沉浸式3D场景的令人兴奋的潜力。接下来是大量的作品,探索使用神经体渲染作为一种技术的潜力,以实现许多令人兴奋的应用程序,并解决计算机视觉、图形学、机器人等领域的基本问题。在本教程中,我们将介绍一个简短的课程,从基本原理开始接近神经体渲染,包括它与基于图像的绘制和反向图的历史的关系,它的核心组件及其派生,常见的实践,未来的挑战,以及实际的编码示例。这个半天的教程的目标不是提供一系列关于该领域最近论文的演讲,而是通过抽象神经体渲染领域的最新发展,为新手和中级研究人员提供教学构建模块,以深入理解材料。https://sites.google.com/berkeley.edu/nerf-tutorial/home

成为VIP会员查看完整内容
26

相关内容

专知会员服务
69+阅读 · 2021年5月28日
最新《域自适应视觉应用》ECCV2020教程,67页PPT
专知会员服务
26+阅读 · 2020年12月24日
最新《域自适应视觉应用》ECCV2020教程,43页PPT
专知会员服务
25+阅读 · 2020年11月5日
校招|微软2023校园招聘正式开启!
微软招聘
0+阅读 · 2022年8月1日
计算机视觉中深度迁移学习,165页PPT
专知
20+阅读 · 2019年8月18日
镜头间的风格转换行人重识别
统计学习与视觉计算组
13+阅读 · 2018年8月16日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
6+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
15+阅读 · 2021年11月19日
Arxiv
19+阅读 · 2020年12月23日
3D Deep Learning on Medical Images: A Review
Arxiv
11+阅读 · 2020年4月1日
Deformable Style Transfer
Arxiv
14+阅读 · 2020年3月24日
Arxiv
24+阅读 · 2020年3月11日
Arxiv
21+阅读 · 2018年8月30日
VIP会员
相关基金
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
6+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
相关论文
Arxiv
15+阅读 · 2021年11月19日
Arxiv
19+阅读 · 2020年12月23日
3D Deep Learning on Medical Images: A Review
Arxiv
11+阅读 · 2020年4月1日
Deformable Style Transfer
Arxiv
14+阅读 · 2020年3月24日
Arxiv
24+阅读 · 2020年3月11日
Arxiv
21+阅读 · 2018年8月30日
微信扫码咨询专知VIP会员