作者實現的 ngp_pl 程式碼還存在的兩個問題：
- 收斂後的取樣點數比NGP多（這導致計算量變大，渲染幀率下降）；
- 有些場景會失敗；
一、資料準備
程式碼都在 dataset 資料夾下面。
作者支援大部分演算法的資料集格式，包括：
- NSVF：講解的時候展示了
nsvf.py這個檔案，但是自己沒找到它 - NeRF++
- COLMAP data
- RTMV: NeRF專用資料集，600個場景，但是因為下載賊慢，導致很少人用；
補充：建立自己的資料集可以參考 _synth_nerf_dataset_creator 這個專案。
補充說明
第一：作者預設所有相機的內參一致，如果需要支援多個相機，需要自己在資料集讀取程式碼中新增多個K。
第二：座標系的轉換。作者把NeRF的座標系改成了常見的相機座標系（都是右手系，只不過z軸的方向不同，如下圖左側所示）。
第三：範圍的修改。以NSVF的合成資料集（SYN）為例，合成資料集是指定了 bounding box 的範圍，但是物體不一定處於座標系正中心，所以需要使用 shift 操作使之置於原點，此外還需要使用 scale 操作把範圍值歸一化到 \([-0.5, 0.5]\) 內。如下圖所示：
但是真實場景（real）中，box 的範圍其實是不確定的，此時需要調整 scale 進行試錯（trial and error）達到最好的效果（也不一定能訓練成功，太大的場景需要借鑑 MipNeRF360 的 contraction 想法，把無限遠的場景“投影”到比較近的地方）。
第四：取樣策略。要麼從所有圖片中取取樣點，要麼只從一幅圖片中取，這兩種和NeRF一脈相承，分別是下面程式碼中的 all_images 和 same_image 兩種策略。
還有一種做法是：從一幅圖片中取某個小區域，因為所有點都在小區域內，所以它們之間是存在某種聯絡的，從而引入 perceptual similarity，這樣會對最後的 Loss 計算提供幫助（因為現階段所有的 Loss 計算都是二範數的形式，只是據說採取這種做法效果可能會更好，作者沒有實現這種做法）。
二、模型構造
（一）訓練
訓練部分程式碼在 models/networks.py
網路結構：總共可以分成三大部分。xyz 輸入到 HashGrid 中得到 16 維特徵向量，它的第一個位元使用 \(e^x\) 作為 \(\sigma\) ；方向向量透過Spherical harmonics（一系列的正餘弦計算），生成16維向量，二者 concat 後輸入神經網路，得到最後的 RGB 值。
如果得到/實時更新 occupancy grid ？
以訓練是否超過256步為界：前256步階段會取得所有的格子 get_all_cells，從cell中隨機取一個點作為 xyz 投入上圖中，計算其 \(\sigma\) 值，以此判斷該 cell 為 0 or 1（threshold，預設值是 0.01）；超過256步後，減少取樣的程度，uniform 是隨機取樣（取所有格子的 \(\frac{1}{4}\) 出來），或者只從有東西的 cell 取 \(\frac{1}{4}\) 出來。
（二）渲染
程式碼在 models/rendering.py
如何進行渲染？volume Rendering
首先計算射線和 box 的交點（有現成的方法，速度其實很快）。根據訓練和測試兩個階段的任務需求不同，具體做法也不同。
（1）render_ray_train
對於 syn 合成資料，box 的邊長是 1，步長是 \(\frac{\sqrt{3}}{1024}\)（對角線長度）；對於 real 真實場景，離光心越遠，步長越大，這樣既加快計算，又把關注點放在最近的物體中，範圍是 \(\frac{\sqrt{3}}{1024}\) 到 \(\frac{1}{256}\)。並且，每走一步要根據 occupancy field 是否有東西，決定是否放置取樣點。
（2）render_ray_test
判斷射線是否和 box 有交點，逐步向前 marching，直到遇到 occupancy filed 中有東西的交點，如果沒有交點那麼說明這條射線不用渲染，就可以把計算資源分配給其他射線；其他射線便繼續往前 marching 重複這個過程，直到走完。並且，取樣點數是逐步分配、增加的。
如果 transimitance 已經很小了（幾乎所有的顏色都被決定了，沒必要再繼續了），就可以停止渲染。early ray termination
三、定義Loss
作者在 MSE 的基礎上（渲染的 RGB 和原始 RGB 的差值的平方），還引入了：
- opacity loss: 讓 opacity 的值要麼是 0 要麼是 1，避免出現小數值，而且還能減少漂浮物。這樣做是忽略了透明的物體，所以會對透明物體的效果不太好（Depth NeRF 針對透明物體做了最佳化）；
- distortion Loss：MipNeRF360 中提出的新演算法。原始NeRF會更傾向於所有的都是半透明的，累加在一起成為不透明，導致有很多沒有用的“雲”（漂浮物）；當加了這個Loss後，最後的結果更傾向於只有表面一層，而沒有後面那些半透明的雲，從而減少取樣、加快計算。