🚜 Nerf: Representing Scenes as Neural Radiance Fields for View Synthesis
👥 Integrantes:
- 👤 Miguel Ángel Molina G.
- 👤 Ing Cristian Camilo Rey Rueda
📑 Material de apoyo:
- 📊 Diapositivas: Diapositivas
- 📜 Paper: Artículo
🎯 Objetivos
Se plantean 3 objetivos para esta exposición:
✅ Comprender las limitaciones de los enfoques tradicionales para la síntesis de vistas novedosas (por ejemplo, métodos basados en geometría explícita o mapas de profundidad).
✅ Explicar cómo NeRF utiliza una red neuronal para representar escenas 3D mediante una función continua de coordenadas espaciales y direcciones de vista.
✅ Analizar el proceso de renderizado volumétrico y su papel en la generación de vistas fotorrealistas a partir de un conjunto reducido de imágenes.
📊 Resultados Esperados
📍 Se espera obtener al final de la sesión:
🔹 Diferenciar a NeRF de otros métodos de reconstrucción 3D y renderizado neuronal, destacando su enfoque basado en representación implícita continua.
🔹 Entender cómo el entrenamiento supervisado con imágenes y poses de cámara conocidas permite a NeRF generar vistas nuevas con alto realismo sin necesidad de geometría explícita.
🔹 Reconocer el papel clave del renderizado volumétrico diferenciable en la optimización de la red y su capacidad para capturar detalles geométricos complejos.
📚 Referencias
📖 Enlaces que pueden servir de ayuda para el lector:
No Comments