NERF1 [Paper Review] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis Abstract์ด ๋ ผ๋ฌธ์์๋ ๋ณต์กํ ์ฅ๋ฉด์ ์๋ก์ด ์์ ์ ์์ฑํ๋ฉฐ, ๊ธฐ์กด ์ฐ๊ตฌ๋ฅผ ๋ฐ์ด๋๋ ์ฑ๋ฅ์ ๋ฌ์ฑํ๋ ๋ฐฉ๋ฒ์ ์ ์ํ๋ค.์ด ๋ฐฉ๋ฒ์ ์์์ ์ ๋ ฅ ๋ทฐ๋ฅผ ์ฌ์ฉํ์ฌ ์ฐ์์ ์ธ volume scene ํจ์๋ฅผ ์ต์ ํํ๋ค.์๊ณ ๋ฆฌ์ฆ์ ์ฅ๋ฉด์ fully connected (not convolution) deep network ๋ก ํํํ๋ค. - ์ ๋ ฅ: ์ฐ์์ ์ธ 5D ์ขํ => ๊ณต๊ฐ ์์น(x, y, z) ์ ์์ ๋ฐฉํฅ(θ, φ) ์ ์ ๋ ฅ- ์ถ๋ ฅ: ํด๋น ์์น์ ์ฒด์ ๋ฐ๋(volume density) ์ ์์ ์ข ์ ๋ฐฉ์ถ ๋ณต์ฌ๊ด(view-dependent emitted radiance) ์ถ๋ ฅ- ํฉ์ฑ ๊ณผ์ : ์นด๋ฉ๋ผ์์ ์ฅ๋ฉด์ผ๋ก ๋ป์ด๋๊ฐ๋ ๊ด์ (rays) ์ ๋ฐ๋ผ 5D ์ขํ(๊ณต๊ฐ์์น์ ์์ ๋ฐฉํฅ)๋ฅผ ์ ํํ ๋ค, ํด๋น ์ขํ์์ ์ ๊ฒฝ๋ง์.. 2024. 12. 10. ์ด์ 1 ๋ค์