该方法专注于NeRF中需要消耗巨大资源的渲染过程，采用NeRF的生成器往往需要昂贵的时间和硬件成本来进行训练，因此该论文使用了隐式曲面来辅助在光线上的采样，从而在减少采样点的数量的同时，消除了蒙特卡洛模拟引入的随机噪声，使生成器可以学到更细致高质量的结果

最近看了不少论文，大致了解了一下3D-aware GAN的发展，这篇感觉比较有意思，拿来写一写Introduction3D-aware GAN可以生成连续视图的图像，但是分辨率往往不高，因为NeRF结构的限制，高分辨率图像的生成需要很大的计算成本。而StyleGAN作为高分辨率2D图像生成中极为先进

Introduction关于肖像生成的方法，目前主要有两种，2D GANs和3D-aware GANs，两者各有擅长的方面。2D GAN可以生成高分辨率图像并具有很高的可编辑性，但是生成不同视图时的一致性很差，3D-aware GAN则相反，能生成一致性很高的视图，但是视图的分辨率和可编辑性不高该文