3D效果没那么好，是2d sd的数据集非常庞大

什么是neural Fields?

latent扔进一个网络，如果输出来是density或者colors的话，那么这个网络就是nerf了。

例如这几篇工作：05:07

09:23 压缩考虑的3点

1. 压缩的要小

2. 压缩的时间太长

3. 重建的精度也要高

11:10 隐式显示的nerf表示

23:03 插值方法

作者提出的方法，是把原本的插值变成可学习的

24:18 作者提出的插值方法

灵感来源是翻译用到nlp，可以输入和输出长度不一样

25:58 灵感来源

27:20

31:35

作者工者结果对比

33:43 作者工作总结

右侧是现有工作

34:59 当前方法存在的缺陷

NeRF存在的问题是训练慢

DMTet 光滑性差

37:43 diffusion训练的技巧

1.通过loss判断是否需要改小网络

2.

一般来说只能占到两个有点

例如gan的diversity很差

55:17 和triplane的方式对比

如果用nerf+volume rendering的方式的话，triplane可能是必经之路，因为它相当于存储了大量的显示特征，