《CVPR 2023 候选获奖论文都讲了什么》第二篇，介绍一下周二后面三篇论文。
《MobileNeRF: Exploiting the Polygon Rasterization Pipeline for Efficient Neural Field Rendering on Mobile Architectures》
《MobileNeRF：利用多边形光栅化管道在移动架构上进行高效的神经场渲染》
一句话：论文提出了一个可以在各种常见设备上实时运行的 NeRF.
**NeRF(Neural Radiance Field)**：通过图片来合成 3D 场景图像。
可以看看下面的例子：
然而，NeRF 依赖于基于光线行进的专门体积渲染算法， 这些算法与广泛部署的图形硬件的功能不匹配。
MobileNeRF 介绍了一种基于纹理多边形的新 NeRF 表示， 可以使用标准渲染管道有效地合成新图像。
原理是：
NeRF 被表示为一组多边形， 其纹理表示二元不透明度和特征向量。使用 z 缓冲区对多边形进行传统渲染会生成每个像素都具有特征的图像， 这些图像由在片段着色器中运行的小型、依赖于视图的 MLP 进行解释，以生成最终的像素颜色。
这种方法使 NeRF 能够使用传统的多边形光栅化管道进行渲染，
比如现场演示的，根据下面这张图：
生成的场景：
你就说牛不牛吧。
网站
网站：
• https://mobile-nerf.github.io/
论文：
• https://arxiv.org/abs/2208.00277
NeRF
• https://www.matthewtancik.com/nerf
《DynIBaR Neural Dynamic Image-Based Rendering》
《DynIBaR 基于神经动态图像的渲染》
如果说 MobileNeRF 项目把二维图像变成三维模型的话。那么 DynIBaR 就是把二维图像+时间的三维视频，变成了三维视频+时间的四维产物了。
看下演示和使用场景：
把抖动的视频变平稳，这下子云台什么的不用买了，又省下一大笔钱。
滑动变焦和子弹时间：
固定场景，这下子视频编辑软件离事业又近了一步：
深度：
焦外成像：
3D 视频生成：以后 2D 变 3D 不需要投资那么多钱，整那么多相机了。
《Planning-oriented Autonomous Driving》
《规划型自动驾驶》
这个项目的成员来自上海人工智能实验室、武汉大学、商汤研究院等。
作者在传统的自动驾驶模块化任务设计（感知、预测和规划）之上， 设计和优化了一个追求最终目标的框架， 并以此为导向，重新审视感知和预测中的关键组成部分，并确定任务的优先级，以便所有这些任务都有助于规划。
演示视频：
项目地址：
• https://opendrivelab.github.io/UniAD/
明天介绍 DreamBooth 等三篇论文。
--- END ---