据VRScout报道，基于数字孪生技术快速轻松构建程式化3D内容和虚拟世界将变得愈发重要。

美国康奈尔大学最近发表的一篇论文探讨了这一增长趋势，该大学研究团队开发了一种生成程式化神经辐射场（SNeRF）的解决方案，该解决方案可实现以比传统方法更快的速度创建各种动态虚拟场景。

由Thu Nguyen-Phuoc、Feng Liu及Lei Xiao组成的研究团队引用了各类参考图像，创建了适用于虚拟环境的程式化3D场景，你可以想象一下，戴上VR头显通过毕加索画作等程式化镜头观看现实世界的样子。

该动态场景创建过程使团队不仅可以快速创建虚拟对象，并且还能基于现实世界环境作为虚拟世界的一部分进行3D对象检测。

不仅如此，研究团队还可以在同一视点通过不同视角观察同一物体，以达到交叉视角一致性，而在VR中观看时，则会产生身临其境的3D效果。

通过交替采用NeRF和程式化优化步骤，研究团队将能获取参考图像，然后以程式化方式重建包括对象物品或人在内的基于现实世界环境的虚拟世界，从而加快创建过程。

“我们引入了一种新的数字孪生训练方法，通过交替采用NeRF和程式化优化步骤来解决这个问题，”该团队说，“此种更具表现力的图像转换方法使我们能够充分调动硬件内存容量以生成更高分辨率的图像，实验表明，基于该方法可生成（包括室内、室外和动态场景）在内的程式化NeRF，并能合成具有跨视图一致性的高质量新视图。”

不过，由于受限于NeRF内存，研究人员还必须解决另一个问题，即如何以更接近实时的速度渲染更多高清3D图像，该解决方案是创建一个视图循环渲染，从而使每次迭代都能更一致定位样式点，进而重建更详细的内容图像。

另外，研究团队基于数字孪生技术还改进了虚拟化身，该团队SNeRF程式化方案可创建在对话中更具表现力的虚拟角色——动态4D化身，该化身可真实传达愤怒、恐惧、兴奋、困惑等情绪，而无需通过表情符号或VR控制器实现。

目前，这一研究工作仍在继续，团队最新成果是开发了一种采用隐式神经表征的3D场景程式化方案，该方案基于交替程式化机制以充分调动硬件内存以生成静态和动态3D场景，从而使团队能够生成更高分辨率的图像，同时在VR中实现更具表现力的图像。