自打伯克利和谷歌聯合打造的NeRF橫空出世，江湖上靜態圖變動圖的魔法就風靡開來。
不過，想要像這樣依靠AI來簡化3D動態效果的制作，算力開銷可不小：
以NeRF為例，想要在1440 x 1600像素、90Hz的VR頭盔中實現實時渲染，需要37 petaFLOPS（每秒10^15次浮點運算）的算力——這在目前的GPU上根本不可能實現。
怎么降低點計算復雜度？
現在，來自奧地利格拉茲科技大學部和Facebook的研究人員，就想出一招：引入真實深度資訊，
就這一下，很快的，推理成本最高能降低48倍，并且只用1個GPU，就能以每秒20幀的速度實現交互式渲染。
畫質什么的，也沒啥影響，甚至還能有所提升：
具體是怎樣一招，咱們往下接著聊。
基于深度預言網路的NeRF
首先需要說明的是，NeRF，即神經輻射場（neural radiance field）方法，是沿相機射線采樣5D坐標，來實現圖像合成的，
也就是說，在NeRF的渲染過程中，需要對每條射線都進行網路評估，以輸出對應的顏色和體積密度值等資訊。
這正是造成NeRF在實時渲染應用中開銷過大的主要原因，
而現在，格拉茲科技大學部和Facebook的研究人員發現，引入真實深度資訊，只考慮物體表面周圍的重要樣本，每條視圖射線（view ray）所需的樣本數量能夠大大減少，并且不會影響到圖像質量，
基于此，他們提出了DONeRF。
DONeRF由兩個網路組成，其一，是Sampling Oracle Network，使用分類法來預測沿視圖射線的最佳采樣位置，
具體來說，這個深度預言網路通過將空間沿射線離散化，并預測沿射線的采樣概率，來預測每條射線上的多個潛在采樣對象，
如下圖所示，3個顏色通道編碼了沿射線的3種最高采樣概率，灰度值表明其中可能只有一個表面需要被采樣，而彩色數值則表明這些樣本需要在深度上展開，
其二，是一個著色網路，使用類似于NeRF的射線行進累積法來提供RGBA輸出。
為了消除輸入的模糊性，研究人員還將射線轉換到了一個統一的空間，并使用非線性采樣來追蹤接近的區域，
另外，在兩個網路之間，研究人員對局部采樣進行扭曲，以使著色網路的高頻預測被引導到前景上，
本文還引入了視圖單元（view cell）的概念，一個視圖單元被定義為一個具有主要方向和最大視角的邊界框，
簡單來說，這個邊界框能夠捕捉到所有源于框內、并且在一定旋轉范圍內的視圖射線。
利用這樣的方法，就可以對大場景進行分割，解決NeRF沒有辦法應用于大場景的問題。
此外，較小的視圖單元減少了場景中的可見內容，因此可能會進一步提高成像質量。
對比結果
所以，DONeRF相較于前輩NeRF，到底能快多少?
不妨直接來看對比結果，
在相似的質量下，NeRF總共使用了256個樣本，而DONeRF只用到了4個樣本，在速度上可以實現20-48倍的提升。
并且在成像細節方面，DONeRF的圖像邊緣更為清晰，
研究人員還指出，在16個樣本的情況下，從峰值信噪比（PSNR）來看，幾乎所有場景中DONeRF都超越了NeRF，
傳送門
論文地址：https://arxiv.org/abs/2103.03231
項目地址：https://depthoraclenerf.github.io/
