谷歌华人研究员发布MobileNeRF，渲染3D模型速度提升10倍(5)

研究人员通过采用超采样抗锯齿来克服这个问题。虽然可以简单地执行四次/像素，并对得到的颜色进行平均，但延迟神经着色器的执行仍然是该技术的计算瓶颈。研究人员通过简单地平均化特征来缓解这个问题，即平均化延迟神经着色器的输入，而非平均化其输出。

在将其送入神经延迟着色器之前，对子像素特征进行平均，以产生抗混叠表示。

由于MobileNeRF采用了标准的GPU光栅化管道，所以需要的实时渲染器可以在HTML网页中运行。

在实验阶段，研究人员设置了一系列的实验来测试MobileNeRF在各种场景和设备上的表现。

使用了三个数据集进行测试：NeRF的8个合成360°场景，LLFF的8个正面场景，以及Mip-NeRF 360的5个无界360°户外场景。

主要的对比模型为SNeRG，因为它是目前 唯一一个 可以在常见的设备上 实时运行 的NeRF模型。

渲染的分辨率与训练的图像相同，800×800的合成图像，1008×756的正向图像，以及1256×828的无界图像，并且在chrome浏览器上测试所有的方法，并在一个完整的圈中旋转/平移相机，以渲染360个框架。

在测试时，GPU内存消耗和存储成本相比SNeRG来说也降低了很多。

其中SNeRG由于其网格表示方法不同，无法表示无界的360°场景，并且由于兼容性或内存不足的问题，无法在手机或平板电脑上运行。