EG3D 对三维场景的表示方式是 显式-隐式 混合的，这种表示方式之后被称为 Triplane。除此之外的主要贡献一个 3D GAN 的框架。

细节一堆。这里仅关注 Triplane 部分。

arxiv.org/pdf/2112.07945（2021 年 12 月）

这是啥？

EG3D 是一种 3D GAN，实现：输入单张 2D 图片，模型理解其三维内容，可以快速渲染出任意临近视角的观察结果。相比 NeRF 等纯隐式神经网络，EG3D 网络对三维物体的理解更加“显式”，可以提取出一些几何信息。

Triplane

既然是 GAN 就肯定有 Generator 和 Discriminator 两个部分。EG3D 的 Generator 包含两个阶段，其一是用一个基于 StyleGAN2 的网络（啥玩意）生成 3D 特征，其二是基于 3D 特征，带上相机信息利用神经渲染（具体而言就是体渲染）得到图片。

Triplane 就是 EG3D 的特征表示方式。其由三个互相正交的特征平面 $F_{xy},F_{yz},F_{xz}$ 构成，每个特征平面是一个 $N\times N\times C$ 的张量，其中 $N\times N$ 描述这个特征平面的分辨率，$C$ 是特征平面单像素的特征 Tensor 大小。

在特征生成和体渲染中间插一个特征 Decoder，用于将特征解码为颜色+体密度用于体渲染。对每个待查询的空间点，在三个特征平面上插值得到这个点的三个特征（因为 $N$ 往往不大，而体渲染所需要的点在某些位置往往很密）。

为啥不直接用 $N\times N\times N\times C$ 的三维特征图？空间开销大。

那为啥不直接搞个巨大 $M\times C$ 的特征张量组，然后每个点以奇怪的方式映射上去？不清楚。表示能力差吧。

一般认为 NeRF 是典型的隐式空间表示；三维特征图是典型的显式空间表示。