NeRF and Beyond进展23.6.13日报（UniSim，Neural Scene Chronology，BiRF）

今日观察到有NeRF和SLAM相关的一些进展，请大家参考。

NeRF相关进展

UniSim: A Neural Closed-Loop Sensor Simulator

https://waabi.ai/unisim/

Waabi，多伦多大学，MIT

1. Unisim从录制好的视频和LiDAR数据，创建可操控的数字孪生，并可仿真模拟真实感的，时域连贯的新场景sensor数据，实现closed-loop自动驾驶evaluation。

2. 方便生成一些危险，复杂的新驾驶场景，而不需要重新采集

3. Unisim可以精确地重建场景，并重建精确的深度和normal map

4. Unisim可以在道路中增加或是移除actor，创造出一些新场景，无论城市还是乡村区域，也或是不同光照条件

5. Unisim可以改变道路actor的行为，来模拟一些特殊的场景

Neural Scene Chronology

https://arxiv.org/abs/2306.07970

浙江大学

一种重建一个时域时变的3D 模型，能够从大型地标的互联网照片中，渲染出真实感的，可独立控制视点、光照和时间的效果图

NeuS-PIR: Learning Relightable Neural Surface using Pre-Integrated Rendering

https://arxiv.org/abs/2306.07632

Baidu研究院

一种有效的使用预集成渲染方法，可relight神经表面，同时学习几何信息、材质和隐神经场内光照的方法。

Binary Radiance Fields

https://arxiv.org/abs/2306.07581

浦项科技大学

BiRF，一种神经场表达的存储效率提升方法，使用binary feature encoding将local特征使用binary encoding，表示为+1或-1的方法，大幅度降低存储消耗。

SLAM

iSLAM: Imperative SLAM

https://arxiv.org/abs/2306.07894

纽约州立大学

一种新的自监督学习框架，iSLAM，让前后端之间相互校正，在不需要任何外部监督的情况下提升SLAM性能

今日更新结束

Jason陪你练绝技B站更新地址：https://space.bilibili.com/455056488

NeRF相关工作整理Github repo：https://github.com/yangjiheng/nerf_and_beyond_docs