本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯系出處。

自打伯克利和谷歌聯合打造的NeRF橫空出世，江湖上靜態圖變動圖的魔法就風靡開來。

不過，想要像這樣依靠AI來簡化3D動態效果的制作，算力開銷可不小：

以NeRF為例，想要在1440×1600像素、90Hz的VR頭盔中實現實時渲染，需要37 petaFLOPS（每秒10^15次浮點運算）的算力——這在目前的GPU上根本不可能實現。

怎么降低點計算復雜度？

現在，來自奧地利格拉茲科技大學和Facebook的研究人員，就想出一招：引入真實深度信息。

就這一下，很快的，推理成本最高能降低48倍，并且只用1個GPU，就能以每秒20幀的速度實現交互式渲染。

畫質什么的，也沒啥影響，甚至還能有所提升：

具體是怎樣一招，咱們往下接著聊。

基于深度預言網絡的NeRF

首先需要說明的是，NeRF，即神經輻射場（neural radiance field）方法，是沿相機射線采樣5D坐標，來實現圖像合成的。

也就是說，在NeRF的渲染過程中，需要對每條射線都進行網絡評估，以輸出對應的顏色和體積密度值等信息。

這正是造成NeRF在實時渲染應用中開銷過大的主要原因。

而現在，格拉茲科技大學和Facebook的研究人員發現，引入真實深度信息，只考慮物體表面周圍的重要樣本，每條視圖射線（view ray）所需的樣本數量能夠大大減少，并且不會影響到圖像質量。

基于此，他們提出了DONeRF。

DONeRF由兩個網絡組成，其一，是Sampling Oracle Network，使用分類法來預測沿視圖射線的最佳采樣位置。

具體來說，這個深度預言網絡通過將空間沿射線離散化，并預測沿射線的采樣概率，來預測每條射線上的多個潛在采樣對象。

如下圖所示，3個顏色通道編碼了沿射線的3種最高采樣概率，灰度值表明其中可能只有一個表面需要被采樣，而彩色數值則表明這些樣本需要在深度上展開。

其二，是一個著色網絡，使用類似于NeRF的射線行進累積法來提供RGBA輸出。

為了消除輸入的模糊性，研究人員還將射線轉換到了一個統一的空間，并使用非線性采樣來追蹤接近的區域。

另外，在兩個網絡之間，研究人員對局部采樣進行扭曲，以使著色網絡的高頻預測被引導到前景上。

本文還引入了視圖單元（view cell）的概念。一個視圖單元被定義為一個具有主要方向和最大視角的邊界框。

簡單來說，這個邊界框能夠捕捉到所有源于框內、并且在一定旋轉范圍內的視圖射線。

利用這樣的方法，就可以對大場景進行分割，解決NeRF沒有辦法應用于大場景的問題。

此外，較小的視圖單元減少了場景中的可見內容，因此可能會進一步提高成像質量。

對比結果

所以，DONeRF相較于前輩NeRF，到底能快多少?

不妨直接來看對比結果。

在相似的質量下，NeRF總共使用了256個樣本。而DONeRF只用到了4個樣本，在速度上可以實現20-48倍的提升。

并且在成像細節方面，DONeRF的圖像邊緣更為清晰。

研究人員還指出，在16個樣本的情況下，從峰值信噪比（PSNR）來看，幾乎所有場景中DONeRF都超越了NeRF。

傳送門

論文地址：
https://arxiv.org/abs/2103.03231

項目地址：
https://depthoraclenerf.github.io/