Fugu-MT 論文翻訳(概要): Compact and adaptive multiplane images for view synthesis

論文の概要: Compact and adaptive multiplane images for view synthesis

arxiv url: http://arxiv.org/abs/2102.10086v1
Date: Fri, 19 Feb 2021 18:39:43 GMT
ステータス: 処理完了
システム内更新日: 2021-02-22 13:26:06.448657
Title: Compact and adaptive multiplane images for view synthesis
Title（参考訳）: ビュー合成のためのコンパクトで適応的な多面画像
Authors: Julia Navarro and Neus Sabater
Abstract要約: 利用可能なメモリを最適化して,コンパクトかつ適応的なMPIを描画する学習手法を提案する。我々のMPIは余分な情報を避け、シーン形状を考慮し、深度サンプリングを決定する。
参考スコア（独自算出の注目度）: 4.924126492174801
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Recently, learning methods have been designed to create Multiplane Images (MPIs) for view synthesis. While MPIs are extremely powerful and facilitate high quality renderings, a great amount of memory is required, making them impractical for many applications. In this paper, we propose a learning method that optimizes the available memory to render compact and adaptive MPIs. Our MPIs avoid redundant information and take into account the scene geometry to determine the depth sampling.
Abstract（参考訳）: 近年,ビュー合成のための多面体画像(MPI)作成のための学習手法が提案されている。 mpisは極めて強力で高品質なレンダリングが容易であるが、大量のメモリを必要とするため、多くのアプリケーションでは実用的でない。本稿では,利用可能なメモリを最適化して,コンパクトかつ適応的なMPIをレンダリングする学習手法を提案する。我々のMPIは余分な情報を避け、シーン形状を考慮し、深度サンプリングを決定する。

関連論文リスト

MMPI: a Flexible Radiance Field Representation by Multiple Multi-plane Images Blending [61.45757368117578]
本稿では,多平面画像(MPI)に基づく神経放射場のフレキシブルな表現について述べる。 MPIは、単純な定義、簡単な計算、非有界シーンを表現する強力な能力のために、NeRF学習で広く使われている。 MPIは複雑なシーンを多種多様なカメラ分布と視野方向で合成できることを示す。
論文参考訳（メタデータ） (2023-09-30T04:36:43Z)
Tiled Multiplane Images for Practical 3D Photography [9.309697339467148]
マルチプレーン画像(MPI)は、シーンをRGBA層のスタックとして推定する。神経放射場とは異なり、MPIはグラフィックハードウェア上で効率よくレンダリングできる。本研究では,野生の単視点3D写真に適応的な深度平面を持つTMPIを生成する手法を提案する。
論文参考訳（メタデータ） (2023-09-25T16:56:40Z)
SAMPLING: Scene-adaptive Hierarchical Multiplane Images Representation for Novel View Synthesis from a Single Image [60.52991173059486]
単一画像からの新規ビュー合成のためのシーン適応型階層型多面体画像表現であるSAMPlingを紹介する。提案手法は,KITTIデータセット上の単一画像を用いて,大規模非有界屋外シーンにおいてかなりの性能向上を示す。
論文参考訳（メタデータ） (2023-09-12T15:33:09Z)
Beyond Learned Metadata-based Raw Image Reconstruction [86.1667769209103]
生画像は、線形性や微細な量子化レベルなど、sRGB画像に対して明確な利点がある。ストレージの要求が大きいため、一般ユーザからは広く採用されていない。本稿では,メタデータとして,潜在空間におけるコンパクトな表現を学習する新しいフレームワークを提案する。
論文参考訳（メタデータ） (2023-06-21T06:59:07Z)
Raw Image Reconstruction with Learned Compact Metadata [61.62454853089346]
本稿では,メタデータとしての潜在空間におけるコンパクトな表現をエンドツーエンドで学習するための新しいフレームワークを提案する。提案する生画像圧縮方式は,グローバルな視点から重要な画像領域に適応的により多くのビットを割り当てることができることを示す。
論文参考訳（メタデータ） (2023-02-25T05:29:45Z)
{\mu}Split: efficient image decomposition for microscopy data [50.794670705085835]
muSplitは、蛍光顕微鏡画像の文脈で訓練された画像分解のための専用アプローチである。本稿では,大規模な画像コンテキストのメモリ効率向上を実現するメタアーキテクチャである横型文脈化(LC)を提案する。 muSplitを5つの分解タスクに適用し、1つは合成データセットに、もう4つは実際の顕微鏡データから導出する。
論文参考訳（メタデータ） (2022-11-23T11:26:24Z)
Deep PatchMatch MVS with Learned Patch Coplanarity, Geometric Consistency and Adaptive Pixel Sampling [19.412014102866507]
我々は、コプランナリティのパッチを学習し、幾何整合性を促進することにより、測光スコアを改善するための学習ベースのアプローチを構築した。本稿では,より高解像度かつ高解像度なエンコーダでメモリを削減し,より大きな解像度でのトレーニングを可能にするための,適応的画素サンプリング戦略を提案する。
論文参考訳（メタデータ） (2022-10-14T07:29:03Z)
Image-specific Convolutional Kernel Modulation for Single Image Super-resolution [85.09413241502209]
本稿では,新しい画像特異的畳み込み変調カーネル(IKM)を提案する。我々は、画像や特徴のグローバルな文脈情報を利用して、畳み込みカーネルを適応的に調整するための注意重みを生成する。単一画像超解像実験により,提案手法は最先端手法よりも優れた性能を示した。
論文参考訳（メタデータ） (2021-11-16T11:05:10Z)
Adaptive Multiplane Image Generation from a Single Internet Picture [1.8961324344454253]
一つの高解像度画像から多面体画像(MPI)を生成する問題に対処する。可変枚数の画像平面を持つMPIを生成する適応スライシングアルゴリズムを提案する。本研究では,従来の手法に比べて一桁のパラメータで高品質な予測が可能であることを示す。
論文参考訳（メタデータ） (2020-11-26T14:35:05Z)
Learning light field synthesis with Multi-Plane Images: scene encoding as a recurrent segmentation task [30.058283056074426]
本稿では、入力ビューのスパースセットを多面画像(MPI)に変換することで、大規模なベースライン光場からのビュー合成の問題に対処する。利用可能なデータセットは少ないため、広範なトレーニングを必要としない軽量ネットワークを提案する。我々のモデルは、RGB層を推定することを学ぶのではなく、MPIアルファ層内のシーン幾何学を符号化するだけであり、それはセグメンテーションタスクに帰着する。
論文参考訳（メタデータ） (2020-02-12T14:35:54Z)

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。