网友回复
谷歌利用NeRF将街景照片变成了三维体验。
《NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis》是 UC Berkeley 研究人员在 ECCV 2020 上的一篇论文，获得了最佳论文提名。其提出一种隐式 3D 场景表征，不同于显示场景表征（如点云、网格 mesh），其原理是求解穿过场景的任何光线的颜色，从而渲染合成新视角的 2D 场景图片。 NeRF 在给定一组姿态相机图像的情况下，实现了照片般逼真的重建和新型视图合成。NeRF 早期的工作往往侧重于小规模和以对象为中心的重建。尽管现在有些方法可以重建单个房间或建筑物大小的场景，但这些方法仍然范围有限，不能扩展到城市规模的环境。由于模型容量有限，将这些方法应用于大型环境通常会导致明显的伪影和低视觉保真度。 重建大规模环境在自动驾驶、航空测量等领域具有广泛应用前景。例如创建大范围的高保真地图，为机器人定位、导航等应用提供先验知识。此外，自动驾驶系统通常通过重新模拟以前遇到的场景来进行评估，然而任何与记录存在的偏差都可能改变车辆的轨迹，因此需要沿着路径进行高保真的视图渲染。除了基本的视图合成，以场景为条件的 NeRF 还能够改变环境照明条件，例如相机曝光、天气或一天中不同的时间，这可用于进一步增强模拟场景。
https://nerf-w.github.io/
Facebook和南加州大学的研究人员最近推出了一篇名为“ PIFuHD: Multi-Level Pixel-Aligned Implicit Function for High-Resolution 3D Human Digitization”的新论文。 简而言之，它使用某人的2D图像来重构该人的3D高分辨率版本。 我们的主要目标是对穿着衣服的人进行高保真3d重建，并获得详细信息，例如手指，面部特征和衣服褶皱，正如我们在此图中看到的那样。 因为的原因，目前的方法没有使用全高分辨率图像，所以它们降低了图像的尺寸，并丢失了在3D中创建高分辨率细节的重要信息，但是看起来还是不错的。
演示demo：https://colab.research.google.com/drive/11z58bl3meSzo6kFqkahMa35G5jmh2Wgt
gitub地址：https://github.com/facebookresearch/pifuhd
