Dynamic NeRF: A Review

神经辐射场（NeRF）是一种新颖的隐式方法，用于实现高分辨率的三维重建和表示。在首次提出NeRF的研究之后，NeRF已经获得了强大的发展动力，并在三维建模、表示和重建领域蓬勃发展。然而，第一篇以及随后的大多数基于NeRF的研究项目都是静态的，这在实际应用中较为薄弱。因此，更多的研究人员对动态NeRF的研究感兴趣并关注，因为它在实际应用或情况中更为可行和有用。与静态NeRF相比，实现动态NeRF更加困难和复杂。但是，动态NeRF在未来具有更大的潜力，甚至是可编辑NeRF的基础。在本综述中，我们对动态NeRF的发展和重要实现原则进行了详细而丰富的陈述。动态NeRF的主要原理和发展分析是从2021年到2023年，包括大多数动态NeRF项目。此外，我们还使用了丰富多彩的特别设计图表，对各种动态特征进行了详细比较和分析。此外，我们还分析和讨论了实现动态NeRF的关键方法。参考文献的数量很大，陈述和比较是多维的。通过阅读本综述，可以轻松理解并获得动态NeRF的整个发展历史和大多数主要设计方法或原则。

动态NeRF的发展和实现方法

通过改进NeRF的算法和模型，实现对动态场景的高分辨率三维重建和表示

本文详细介绍了动态NeRF的发展历程和实现方法，并通过对比分析不同动态NeRF的特点，总结了实现动态NeRF的关键方法和原则

最近的相关研究包括：Dynamic Neural Radiance Fields, Neural Scene Flow Fields, Learning to Reconstruct Dynamic Transparent Objects with RGB-D Video