谷歌华人研究员发布MobileNeRF，渲染3D模型速度提升10倍(2)

但SNeRG仍然依靠光线在稀疏体素网格中行进来生成每个像素的特征，因此 无法充分利用GPU的并行性 。

此外，SNeRG 需要大量的GPU内存 来存储体积纹理，所以没办法在手机等移动端设备上运行。

最近，Google Research和西蒙菲莎大学的研究人员联合提出一种全新的模型MobileNeRF， 成功将NeRF模型部署在多种常见的移动设备上 。

论文链接： https://arxiv.org/abs/2208.00277

Demo链接： https://mobile-nerf.github.io/

NeRF由一组纹理多边形（textured polygons）表示，其中多边形大致沿着场景表面排布，纹理图集存储不透明度和特征向量。

在渲染图像阶段，MobileNeRF利用带Z-buffering的经典多边形光栅化管道为每个像素生成特征向量，并将其传递给GLSL片段着色器中的轻型MLP运行以生成输出颜色。

渲染管道不按深度顺序对光线采样或对多边形排序，因此只能对二进制不透明进行建模。但MobileNeRF可以充分利用了现代图形集成电路硬件中z缓冲区和片段着色器提供的并行性，因此在 标准测试场景上比SNeRG快10倍，而且输出质量几乎相同 。

此外，MobileNeRF只需要一个标准的多边形渲染管道，可以 在 几乎所有的计算平台上实现和加速 ，因此可以在手机和其他以前无法以交互速率支持NeRF可视化的设备上运行。