SRTP

On the Spectral Bias of Neural Networks 关于神经网络的谱偏差

读 NeRF 论文摘要：之前是只听说过，然后简单了解了机理，没真正读过NeRF。这次来读一下，就是先翻译，然后记下来。肯定有疏漏，或许有不对的地方，不过对我够用了。我把直接翻译出来的用黑体表示, 把和具体实现相关的用斜体表示，我能看懂的拿我理解的话说出来。 NeRF全程叫 Representing Scences as Neural Radiance Fields for View Synthesis。字面意思大概是：对于视角合成问题，将场景描述为神经辐射场。 就是说，发明了一种方法，具体就是说，用一系列稀疏的视图集合，还原出场景的新视图。（注意到这里说的不是还原出整个场景）。 算法使用全连接（特意强调了一下不用卷积）深度神经网络表达一个场景，输入是五维坐标，输出是“the volume density and view-dependent emitted radiance at that spatial location”，在空间位置的体积密度以及依赖于视角的发射的radiance。 如何用我们的刚才说的算法合成这个场景的新视角视图呢：论文中说的是，沿着相机射线查询5D坐标（相机位置 ...

读 Relighting Humans 论文[TOC] 基本思想记下来。不然时间长又忘了。 首先说一下这篇论文想解决的问题：现有relight方法对于阴影遮挡这部分的无力。 之前的方法都是使用球谐函数直接照明而忽略了遮挡问题，导致一些比如说腋窝等部位异常明亮。但实际上这些部位由于大部分被自身遮挡，不应该出现过多的明亮现象。 实际上不是之前的人不想解决这个问题，而是考虑这个问题之后会使计算变得很复杂。回顾 irradiance 的方程：$$E(\textbf{n})=\int_{\Omega(\textbf{n})}L(\omega_i)V(\omega_i)max(\textbf{n}\cdot \omega_i, 0)\mathrm{d}\omega_i$$对于一个shading point，这里面，n是其单位法向量，omega指的是方向角，L就是对应角度传来的radiance，后面的点乘表示的是一个余弦衰减系数。V是visibility项，表示这个方向是否被遮挡。对于每个shading point来讲，如果不考虑V term，计算相对容易。实际上用prt加上V term， ...