神經輻射場 (NeRF) 架構的引進，徹底改變了經由給定一組影像來重建場景輻射場的相關技術發展。然而，即使針對單一場景而言，NeRF 與其變體模型的學習建構，往往需要從數小時到數天不等的訓練時間。相較之下，本項技術不僅能重現與 NeRF 相當品質的結果，且只需使用一個 GPU， 便可在不到 15 分鐘的時間內達到快速收斂。
本方法所提出的表示模型採用密度體素網格來解釋場景幾何，並結合淺層網路的特徵體素網格來代表複雜的視角相關外觀。基於現有使用離散化體積表示來進行建模，我們亦提出兩種簡單且有效率的新技術，有助於快速收斂和高品質輸出。
首先，我們介紹了體素密度的激活內插方法，能夠以較低解析度的網格來產生銳利的表面。其次，為了解決直接體素密度次優化問題，我們藉由先驗模型來加強優化過程。
https://github.com/sunset1995/DirectVoxGO https://sunset1995.github.io/dvgo/