Fugu-MT 論文翻訳(概要): Neural Geometric Level of Detail: Real-time Rendering with Implicit 3D Shapes

論文の概要: Neural Geometric Level of Detail: Real-time Rendering with Implicit 3D Shapes

arxiv url: http://arxiv.org/abs/2101.10994v1
Date: Tue, 26 Jan 2021 18:50:22 GMT
ステータス: 処理完了
システム内更新日: 2021-03-13 19:45:39.682802
Title: Neural Geometric Level of Detail: Real-time Rendering with Implicit 3D Shapes
Title（参考訳）: ニューラルジオメトリレベルの詳細: 暗黙の3次元形状によるリアルタイムレンダリング
Authors: Towaki Takikawa, Joey Litalien, Kangxue Yin, Karsten Kreis, Charles Loop, Derek Nowrouzezahrai, Alec Jacobson, Morgan McGuire, Sanja Fidler
Abstract要約: 本稿では,高忠実度ニューラルネットワークSDFのリアルタイムレンダリングを可能にする,効率的なニューラル表現を提案する。我々の表現は、以前の作品に比べてレンダリング速度の点で2～3桁の効率であることを示す。
参考スコア（独自算出の注目度）: 77.6741486264257
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Neural signed distance functions (SDFs) are emerging as an effective representation for 3D shapes. State-of-the-art methods typically encode the SDF with a large, fixed-size neural network to approximate complex shapes with implicit surfaces. Rendering with these large networks is, however, computationally expensive since it requires many forward passes through the network for every pixel, making these representations impractical for real-time graphics. We introduce an efficient neural representation that, for the first time, enables real-time rendering of high-fidelity neural SDFs, while achieving state-of-the-art geometry reconstruction quality. We represent implicit surfaces using an octree-based feature volume which adaptively fits shapes with multiple discrete levels of detail (LODs), and enables continuous LOD with SDF interpolation. We further develop an efficient algorithm to directly render our novel neural SDF representation in real-time by querying only the necessary LODs with sparse octree traversal. We show that our representation is 2-3 orders of magnitude more efficient in terms of rendering speed compared to previous works. Furthermore, it produces state-of-the-art reconstruction quality for complex shapes under both 3D geometric and 2D image-space metrics.
Abstract（参考訳）: ニューラルサイン付き距離関数(SDF)は3次元形状の効果的な表現として現れている。最先端の手法は通常、sdfを大きな固定サイズのニューラルネットワークでエンコードし、暗黙的な表面を持つ複雑な形状を近似する。しかし、これらの大きなネットワークによるレンダリングは計算量的に高価であり、全てのピクセルに対して多くの前方パスを必要とするため、これらの表現はリアルタイムグラフィックスでは実用的ではない。高効率なニューラル表現を導入し、高忠実度なニューラルSDFをリアルタイムにレンダリングし、最先端のジオメトリ再構築品質を実現します。我々は,複数次元の細部(LOD)で形状を適応的に適合させるオクツリー型特徴量を用いて暗黙の面を表現し,SDF補間による連続LODを可能にする。さらに,必要なLODのみをスパースオクツリートラバーサルでクエリすることで,新しいSDF表現を直接リアルタイムに描画する効率的なアルゴリズムを開発した。我々の表現は、以前の作品に比べてレンダリング速度の点で2～3桁の効率であることを示す。さらに、3次元幾何および2次元画像空間の計測値の下で、複雑な形状に対する最先端の復元品質を生成する。