伯克利团队新研究：不用神经网络，也能快速生成优质动图

基于神经辐射场（NeRF, NeuralRadiance Fields）的图像生成，可实现逼真、新颖的视点渲染，可以捕捉场景几何和视点相关（view-dependent）的效果。

然而，这种令人印象深刻的方法背后，需要付出的是大量的计算时间，以进行训练和渲染。围绕 NeRF，随后的研究中都聚焦于如何降低计算成本（尤其是渲染）上，但单个 GPU 训练仍然需要数小时，此瓶颈显然制约了逼真容积重建（VR, Volumetric Reconstruction）的实际应用。

就在近日，来自加州大学伯克利分校的研究团队，发表了一篇题为“Plenoxels: Radiance Fields without Neural Networks”的论文，介绍了一种无需神经网络，便可以从头开始训练辐射场的方法，并且在保持 NeRF 质量的同时，将优化时间减少两个数量级。

在用于逼真的场景建模和新颖的视点渲染时，这种名为 Plenoxels（plenoptic voxels）的方法产生的效果不仅与最先进的保真度相当，而且训练时间更短（相关视频和代码，请参阅https://alexyu.net/plenoxels）。