记录一些关于Neural Rendering的学习笔记，可能有点乱orz。
Neural Rendering其他参考：
ICLR 2023：《Light Sampling Field and BRDF Representation for Physically-based Neural Rendering》
NeRF：
NeRV：
NeRD：
State of Art of Neural Rendering
2023.7.26，终于通读了一遍大名鼎鼎的Nerf，然后准备看一看源码。
环境配置：
- 删除新建的nerf环境：conda remove -n nerf –all
- 新建nerf环境：conda create -n nerf python=3.7
- conda install tensorflow-gpu==1.15
- conda install numpy
- conda install matplotlib
- conda install imageio
- pip install imageio-ffmpeg
- conda install configargparse
遇到的问题：
- vscode不能使用 conda activate：
- tensorflow 和 tensorflow-estimator版本不一致
- conda install tensorflow-estimator==1.15.1
- 不要uninstall， uninstall会把tensorflow也uninstall
- conda install tensorboard==1.15.0
其他需要的数据处理
- 下载bash中需要的data，并放到对应的文件夹。
- logs文件夹下新建summaries文件夹
在NeRF（Neural Radiance Fields）出现之前，辐射度场（Radiance Fields）的概念已经在计算机图形学中被广泛应用。以下是一些主要的方法：
光线追踪（Ray Tracing）：这是一种计算机图形学技术，用于生成图像，通过追踪光线从视点出发并穿过每个像素在2D视图平面上的路径来工作。光线追踪可以用于计算光线与物体的交互，包括反射、折射和散射，这使得它能够生成具有复杂光照和阴影的高质量图像。
光线铸造（Ray Casting）：这是一种更简单的技术，它只计算光线与物体的第一次交互，而不是追踪光线的完整路径。光线铸造通常用于生成硬阴影和简单的反射，但不能处理更复杂的光照效果。
体渲染（Volume Rendering）：这是一种用于渲染3D体数据的技术，例如医学或科学图像。体渲染通过在每个像素上积分一条线（或光线）通过体数据的贡献来工作。这使得它能够生成半透明的效果，例如雾或云。
光场渲染（Light Field Rendering）：光场是一个四维函数，描述了一个场景中所有可能的光线。光场渲染使用预先计算的光场数据来生成图像，这使得它能够快速地从任何视点和方向渲染场景。
这些技术都可以被视为辐射度场方法，因为它们都涉及到在3D空间中的某些位置和方向计算光的辐射度。然而，它们通常需要显式的3D模型或大量的预计算数据，而NeRF等新的方法则使用神经网络来隐式地表示辐射度场，从而能够处理更复杂的场景和光照条件。
