毕设笔记1 - NeRF（Neural Radiance Fields）是一种用于3D场景重建和渲染的深度学习技术。它通过神经网络来学习场景的连续体积表示，能够从稀疏的图片集合中重建出高质量的3D场景，并从新的视角生成逼真的图像。 NeRF的核心思想是利用一个小型的神经网络来建模场景中每个点的颜色和密度。网络接受一个3D位置和一个视角方向作为输入，并输出该位置的颜色和体积密度。通过这种方式，NeRF能够学习到一个连续的、高度详细的场景表示，包括复杂的光照效果和半透明材质。 在渲染过程中，NeRF使用体积渲染技术来累积沿着从摄像机出发穿过场景的光线的贡献。这个过程涉及到对每条光线上多个点的神经网络评估，然后根据每个点的颜色和密度，使用数值积分来估计最终像素的颜色。 NeRF的创新之处在于其能够产生极其细致和逼真的渲染效果，即使是从非常有限的视角信息出发。然而，这种方法的主要缺点是计算成本高，尤其是在渲染时，因为需要对每一帧进行大量的网络评估和积分计算。尽管如此，NeRF及其变体在计算机视觉和图形学领域引起了极大的关注，为3D重建和虚拟现实等应用开辟了新的可能性。

环境光遮蔽（Ambient Occlusion）是一种加深场景中阴影的技术，早期是使用光线追踪的方法来实现的，近年来孤岛危机的开发商优化了这个算法，使得实时AO有了可能。

球谐函数是拉普拉斯在球面坐标上关于角度的解，在物理上广为使用，在图形学用于球谐光照。

本文推导了图形学常用到的两类投影的矩阵变换，采用的是OpenGL的标架。

本文从信号的角度讲解了傅里叶变换和快速傅里叶变换。

旋转矩阵是常用的旋转手段，但由于万向节死锁问题，现在普遍的游戏引擎采用的是四元数。

基于物理的渲染（PBR）是在渲染方程的基础上，对BRDF、BTDF函数赋予了特定的物理意义，使得渲染出的效果更加真实，能量更接近守恒。

Phong和Blinn-Phong的经验模型过于经验，没有严谨的物理定义，所以计算机图形学急需要一个能够符合物理基本规律的光照知识，这就是辐射度量学提出的背景（基于物理光学）