NeRF-Casting: Improved View-Dependent Appearance with Consistent Reflections

最近的研究提高了神经辐射场（NeRF）渲染远处环境照明的细节反射外观的能力，但无法合成更近物体的一致反射。此外，这些技术依赖于大型计算昂贵的神经网络来模拟出射辐射，这严重限制了优化和渲染速度。我们提出了一种基于光线追踪的方法来解决这些问题：我们的模型从每个相机射线上的点投射反射光线，并通过NeRF表示跟踪这些光线，以渲染特征向量，然后使用小型廉价网络将其解码为颜色。我们证明，我们的模型在合成含有闪亮物体的场景的视图合成方面优于先前的方法，并且是唯一一种现有的NeRF方法，可以在实际场景中合成逼真的镜面外观和反射，并且需要与当前最先进的视图合成模型相当的优化时间。

解决高光物体渲染困难的问题，同时优化NeRF模型的计算速度。

通过光线追踪的方式，在NeRF模型中引入反射光线，从而实现对高光物体的渲染，并使用小型网络对特征向量进行解码，从而提高计算速度。

该方法在高光物体的渲染方面表现优异，是目前唯一能够在真实场景中合成逼真的高光和反射的NeRF方法，并且计算速度与当前的最先进的视角合成模型相当。

与该论文相关的研究包括NeRF、NeRF++等。