（先說我看不懂）我覺得比較重要的是，我覺得（nerf）在做差分的時候，可以用「複雜天氣」的影像，來做（去噪訊）的訓練，也就是從「雨，雪，霧」等環境中的照片，學習到，如何去除這些雜訊，得到「正確」的路上影像「ground truth」
不過這只是我的猜測，未必正確

特斯拉Occupancy Network正确解读（NeRF监督的使用）

哪一位聰明的人來回答一下吧?

然後這個作者，似乎是看的論文比較少，他想像nerf需要大量不同角度影像來重建，我印象中最近已經有論文簡化所需的2d影像了，而且，在行駛中的車輛，每秒拍36張，攝影機一共八個都在移動中，這樣張數還少嗎？