Zip-NeRF 全融合 CUDA 实现：训练快 6-7 倍、渲染快 10 倍
jon_barron · x · 2026-10-31
开发者 fhahlbohm 用 Claude Opus 辅助，写出了 Zip-NeRF 的全融合 CUDA 实现 fused-zipnerf：在 5090 上训练仅需 36 分钟，每百万像素渲染 300ms，质量与官方 JAX 实现相当，训练提速约 6-7 倍、渲染提速约 10 倍。Google 研究员 Jon Barron（Zip-NeRF 原作者）转发并评论称「NeRF 回来了」，认为在极限情况下，基于优化 NeRF 类光线追踪方案的实时视图合成将能与常规光栅化图形原语竞争。项目以 MIT 协议开源。
「研究」频道最新
- 上下文压缩研究：长任务中约束指令被遗忘概率是目标类内容的 6 倍 — maksym_andr · 2026-10-31
- CMU 发布 Gym-Anything：编码智能体自动搭建 25 个机器人物理仿真 — AkariAsai · 2026-10-31
- ENCODE ChIP-seq 模型按原样提供：底层数据差则模型也差 — jmschreiber91 · 2026-10-31
- 当模型「意见不合」：可及性无信号但 TF 模型显示结合位点被破坏 — jmschreiber91 · 2026-10-31
- Whole-Body Dexterity:把人形机器人全身变成灵巧操作器 — chris_j_paxton · 2026-10-31
- TF 结合模型配合 CATv1 染色质模型，直接解读变异对结合位点的影响 — jmschreiber91 · 2026-10-31