NeRS: Neural Reflectance Surfaces for Sparse-view 3D Reconstruction in the Wild
阅读记录：
1.
2.优点1：我们的方法仅依赖于近似的相机位姿估计和粗略的类别级形状模板。
3.我们的关键见解是，我们可以强制执行基于表面的 3D 表示，而不是允许广泛用于体积表示的无约束密度。重要的是，这允许依赖于视图的外观变化
4.更重要的是，它通过利用受限的反射模型来分解物体的外观为漫反射和镜面反射成分，从而实现了基于视点的外观变化。
5.在本节中，我们首先介绍捕获对象形状和纹理的（神经）表面表示，然后解释如何建模照明和镜面反射效果以进行渲染。最后，我们描述了如何使用具有挑战性的野外图像来学习我们的方法。
6.fenv学习入射辐射，ftex学习纹理值t(x)
问题：
1.u,v具体是什么？为何公式旁边只写了u,但示意图上为u,v
2.BRDF fr是什么？
3.网格初始化是什么？
原文地址：https://blog.csdn.net/m0_66275389/article/details/142769222
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！