论文笔记

instant-ngp的nerf模型与vanilla nerf的模型架构相同。

instant-ngp的nerf模型包含两个MLP，第一个MLP就两个全连接，输入维度是32（16层分辨率x2），输出是16（用于预测密度）。第二个MLP有三个全连接，输入如下（16+16），输出是3（rgb）。

在NeRF上的实验结果如下：

因此，instant-ngp与原始NeRF不同之处在于，对于x,y,z的编码不同（hashencoder）和视角方向的球谐基函数encoder。原始的nerf对这两个使用的是position encoding的编码，而instant-ngp在此基础上，还多了hashencoder和球谐基函数encoder。

另外，在创建数据集时，会计算一个bounding-box，这是为了计算grid用的（https://github.com/yashbhalgat/HashNeRF-pytorch中的get_bboxed_from_blenderobj()函数可以计算）。