【Ray tracing with NeRF】WINERT

WINERT: TOWARDS NEURAL RAY TRACING FOR WIRELESS CHANNEL MODELLING AND DIFFERENTIABLE SIMULATIONS

1. Overview

The task of channel modeling is to predict channel attributes (\(a_{k}(t)\), \(\tau_{k}(t)\), \(\Theta_{k}(t)\)) for a given environment map

\[h(t, \boldsymbol{\Theta}, \boldsymbol{\Phi})=\sum_{k} a_{k}(t) \delta\left(t-\tau_{k}(t)\right) \delta\left(\boldsymbol{\Theta}-\boldsymbol{\Theta}_{k}(t)\right) \delta\left(\boldsymbol{\Phi}-\mathbf{\Phi}_{k}(t)\right) \]

2. Renderer

2.1 Model

2.2 Dataset

3. Result

4. Summary

优点：
使用基于NeRF的网络预测射线与物体交互的方向变化和能量损耗而不需要有关物体材质的先验信息
缺陷：

1. 没有考虑极化，使用全向天线
2. 考虑的场景较为简单
3. 没有单独考虑散射和衍射等更复杂的交互
4. 只使用射线追踪仿真软件产生数据，没有使用实测数据
5. 使用one-hot编码学习了有限物体的交互特性，泛化性能差，难以拓展到实际情况