https://github.com/nianticlabs/diffusionerf
没太看懂这个regularization想要干啥（t是ray上sample点离o的距离）
这个倒是没见过的regularization，好像是希望 只在某一single view里面出现的存在weight（σ）的sample point不被考虑（当作噪声之类的）
还有些DDPM的内容，得先好好看一下DDPM的paper再看了
这部分score based model也需要补补课
注 I是cam pose（即cam pose 下的σ和c的条件概率）
不知道我理解的对不对，这个paper好像是用ddm的模型在一个RGBD的数据集上学了一些先验（主要是要学到depth信息）
然后这个loss就是加了一项 ε_θ（Unet shape的 pretrain 模型）输出？（这个输出的是用来denoise的 noise吧）
就是用pretrain的ε_θ （输入是render出来的RGBD patch）出来的值直接用来bp了？（而且是-，那就是希望ε_θ的输出越大越好？（输出越大不是体现出来需要de的noise越严重吗？）