論文の概要: Novel View Synthesis via Depth-guided Skip Connections

• arxiv url: http://arxiv.org/abs/2101.01619v1
• Date: Tue, 5 Jan 2021 16:10:40 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-11 11:34:14.525307
• Title: Novel View Synthesis via Depth-guided Skip Connections
• Title（参考訳）: 深度誘導スキップ接続による新しいビュー合成
• Authors: Yuxin Hou, Arno Solin, Juho Kannala
• Abstract要約: 一つのソースイメージを与えられたシーンの新たなビューを合成するための原則的アプローチを提案する。 提案手法は歪みに悩まされず,アライメントされたスキップ接続でテクスチャの細部をうまく保存する。
• 参考スコア（独自算出の注目度）: 30.569663508628285
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce a principled approach for synthesizing new views of a scene given a single source image. Previous methods for novel view synthesis can be divided into image-based rendering methods (e.g. flow prediction) or pixel generation methods. Flow predictions enable the target view to re-use pixels directly, but can easily lead to distorted results. Directly regressing pixels can produce structurally consistent results but generally suffer from the lack of low-level details. In this paper, we utilize an encoder-decoder architecture to regress pixels of a target view. In order to maintain details, we couple the decoder aligned feature maps with skip connections, where the alignment is guided by predicted depth map of the target view. Our experimental results show that our method does not suffer from distortions and successfully preserves texture details with aligned skip connections.
• Abstract（参考訳）: 一つのソースイメージを与えられたシーンの新たなビューを合成するための原則的アプローチを提案する。 従来の新しいビュー合成法は、画像ベースのレンダリング方法(例)に分けられる。 フロー予測)またはピクセル生成方法。 フロー予測により、ターゲットビューはピクセルを直接再利用できるが、容易に歪んだ結果をもたらすことができる。 直接回帰するピクセルは構造的に一貫した結果をもたらすが、一般的には低レベルの詳細が欠如している。 本稿では,エンコーダデコーダアーキテクチャを用いて,対象視の画素を回帰する。 詳細を維持するために、デコーダのアライメントされた特徴写像とスキップ接続を結合し、ターゲットビューの予測深度マップによってアライメントを導出する。 実験結果から,本手法は歪みに悩まされず,アライメントされたスキップ接続でテクスチャの詳細を保存できることがわかった。

関連論文リスト

• Generalizable Person Re-Identification via Viewpoint Alignment and Fusion [74.30861504619851]
  本研究は,3次元高密度ポーズ推定モデルとテクスチャマッピングモジュールを用いて,歩行者画像を標準視像にマッピングすることを提案する。 テクスチャマッピングモジュールの不完全性のため、標準ビュー画像は、原画像から識別的な詳細手がかりを失う可能性がある。 提案手法は,各種評価設定における既存手法よりも優れた性能が得られることを示す。
  論文  参考訳（メタデータ） (2022-12-05T16:24:09Z)
• Learning Graph Regularisation for Guided Super-Resolution [77.7568596501908]
  誘導超解像のための新しい定式化を導入する。 そのコアは、学習親和性グラフ上で動作する微分可能な最適化層である。 提案手法をいくつかのデータセット上で広範囲に評価し, 定量的な再構成誤差の点から最近のベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2022-03-27T13:12:18Z)
• Content-aware Warping for View Synthesis [110.54435867693203]
  本稿では,比較的大きな近傍の画素の重みを,軽量ニューラルネットワークによる文脈情報から適応的に学習するコンテンツ認識ワープを提案する。 この学習可能なワープモジュールに基づいて、2つのソースビューから新しいビューを合成するエンド・ツー・エンドの学習ベースのフレームワークを提案する。 広いベースラインと非構造的多視点データセットを有する構造的光フィールドデータセットの実験結果から,提案手法は,定量的かつ視覚的に,最先端の手法を著しく上回ることを示した。
  論文  参考訳（メタデータ） (2022-01-22T11:35:05Z)
• Differentiable Drawing and Sketching [0.0]
  我々は、点、線、曲線をピクセルに描画する過程の微分可能な緩和を示す。 このリラクゼーションにより、エンドツーエンドの差別化可能なプログラムとディープネットワークを学習および最適化できます。
  論文  参考訳（メタデータ） (2021-03-30T09:25:55Z)
• ID-Unet: Iterative Soft and Hard Deformation for View Synthesis [13.042336671109059]
  本稿では, 音源から目標への変形を反復的に行う新しいアーキテクチャを提案する。 我々は、異なる解像度でターゲットビューにエンコーダの特徴を歪めるソフトとハード変形モジュールを設計します。 モデルをよりよく制約するために,中間フローとその歪んだ特徴に基づいて,粗い目標視像を合成する。
  論文  参考訳（メタデータ） (2021-03-03T09:02:00Z)
• IBRNet: Learning Multi-View Image-Based Rendering [67.15887251196894]
  本稿では,近接ビューの疎集合を補間することにより,複雑なシーンの新しいビューを合成する手法を提案する。 レンダリング時にソースビューを描画することで、画像ベースのレンダリングに関する古典的な作業に戻ります。
  論文  参考訳（メタデータ） (2021-02-25T18:56:21Z)
• Semantic Layout Manipulation with High-Resolution Sparse Attention [106.59650698907953]
  本稿では,意味ラベルマップを編集して入力画像を操作するセマンティックイメージレイアウト操作の課題に対処する。 このタスクの中核的な問題は、視覚的にイメージを現実的にしながら、入力画像から新しいセマンティックレイアウトに視覚的な詳細を転送する方法です。 512×512の解像度で視覚的詳細を新しいレイアウトに効果的に転送する高分解能スパースアテンションモジュールを提案する。
  論文  参考訳（メタデータ） (2020-12-14T06:50:43Z)
• Light Field View Synthesis via Aperture Disparity and Warping Confidence Map [47.046276641506786]
  本稿では,スパース画像の集合から任意のカメラ位置からビューを合成するための学習的アプローチを提案する。 この新たなビュー合成の鍵となる課題は、異なる入力画像からのビューが光路の障害物のために一貫性がない場合の再構成プロセスから生じる。
  論文  参考訳（メタデータ） (2020-09-07T09:46:01Z)
• Free View Synthesis [100.86844680362196]
  本稿では,シーンの周囲に自由に分布する入力画像から新規なビュー合成手法を提案する。 本手法は,入力ビューの規則的な配置に依存しず,シーンを通して自由なカメラ運動のための画像の合成が可能であり,制約のない幾何学的レイアウトの一般的な場面で機能する。
  論文  参考訳（メタデータ） (2020-08-12T18:16:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。