Variable Bitrate Neural Fields

Motivation

1. 压缩3D信息用于更高效的数据传输，和直播
2. 传统Nerf 的问题：因为需要很大的网络对场景进行编码，很多光线，每个点都要过这个大网络，因此渲染慢。
3. feature grids: 每个顶点包含一个 feature vector. 任意一个点用插值的到特征。网络只需要对所有顶点进行编码, 网络减小，速度增加。但是储存的feature grids 占用的空间却比之前一个网络的多。
4. ngp: 每个顶点的坐标通过 hash 映射到一个 codebook 的 index 上。但是需要多层，每层的codebook也很大，最终的存储还是很大。

VQ feature grids with learning

1. 直接在顶点上储存 index 并学习
2. 为了解决不可微的问题，使用 softmax 的技巧。 储存一系列浮点数，取max。