NeRF重建

面向动态视觉任务的引入残差增强的神经网络建模方法 ResFields针对现有神经网络在动态场景建模的不足，将时变权重引入多层感知机，通过可训练残差参数提升模型表达能力，无需大幅改造现有技术框架即可无缝集成，可应用于2D视频逼近、动态形状建模、动态NeRF重建等任务，相较于传统方法能显著提升复杂动态任务的处理结果。

基于NeRF构建的可交互虚拟环境生成工具，兼容主流游戏引擎 Video2Game通过构建大规模NeRF模型生成高质量表面几何形状，再将模型转换为带有对应刚体动力学的网格表示，采用UV映射的神经纹理兼顾纹理丰富度与游戏引擎兼容性，最终生成可交互虚拟环境，支持虚拟角色互动、响应用户控制，并可从新相机视角实时输出高分辨率渲染结果，区别于传统不可交互的NeRF静态场景生成。