谷歌华人研究员发布MobileNeRF，渲染3D模型速度提升10倍(3)

作者还提供了一个演示网站，可以 在web浏览器上实时渲染 。

文章的第一作者Zhiqin Chen是西蒙菲莎大学的三年级博士生。于2019年获得西蒙菲莎大学硕士学位，2017年获得上海交通大学学士学位。主要研究兴趣是计算机图形学，主修几何建模和机器学习。

NeRF进入移动时代

给定一个经过校准的图像集合，NeRF的目标就是找到一个高效的新视图合成（novel-view synthesis）的表征，包括一个多边形网格（polygonal mesh），其纹理图存储了特征和不透明度。

在渲染时，给定一个摄像机的姿势，MobileNeRF采用两阶段的延迟渲染过程：

渲染阶段1： 将网格栅格化为屏幕空间，并构建一个特征图像，即在GPU内存中创建一个延迟渲染缓冲区。

渲染阶段2： 通过运行在片段着色器中的神经延迟渲染器将这些特征转换成彩色图像，即一个小型MLP，能够接收特征和视图方向并输出一个像素颜色。

表示法的训练分为三个阶段，从一个经典的类似于NeRF的连续表示法逐渐转向一个离散的表示法。

训练阶段1： 连续训练。训练一个类似于NeRF的连续不透明度模型，其中体积渲染正交点来自于多边形mesh