論文の概要: Differentiable Surface Rendering via Non-Differentiable Sampling

• arxiv url: http://arxiv.org/abs/2108.04886v1
• Date: Tue, 10 Aug 2021 19:25:06 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-12 21:17:59.976673
• Title: Differentiable Surface Rendering via Non-Differentiable Sampling
• Title（参考訳）: 非微分可能サンプリングによる微分可能表面レンダリング
• Authors: Forrester Cole, Kyle Genova, Avneesh Sud, Daniel Vlasic, Zhoutong Zhang
• Abstract要約: 本稿では,明暗表現と暗示表現の両方をサポートする3次元曲面の微分可能レンダリング法を提案する。 ニューラルレイディアンス場(NeRF)から抽出したアイソの高速で微分可能なレンダリングを初めて示し, ボリュームベースではなく, 表面ベースでNeRFのレンダリングを実証した。
• 参考スコア（独自算出の注目度）: 19.606523934811577
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a method for differentiable rendering of 3D surfaces that supports both explicit and implicit representations, provides derivatives at occlusion boundaries, and is fast and simple to implement. The method first samples the surface using non-differentiable rasterization, then applies differentiable, depth-aware point splatting to produce the final image. Our approach requires no differentiable meshing or rasterization steps, making it efficient for large 3D models and applicable to isosurfaces extracted from implicit surface definitions. We demonstrate the effectiveness of our method for implicit-, mesh-, and parametric-surface-based inverse rendering and neural-network training applications. In particular, we show for the first time efficient, differentiable rendering of an isosurface extracted from a neural radiance field (NeRF), and demonstrate surface-based, rather than volume-based, rendering of a NeRF.
• Abstract（参考訳）: 本稿では, 明示的表現と暗黙的表現の両方をサポートし, 咬合境界での微分を提供し, 高速で実装が容易な3次元面の微分可能レンダリング手法を提案する。 この方法はまず、微分不可能なラスタ化を用いて表面をサンプリングし、最終画像を生成するために微分可能深度認識点スプラッティングを適用する。 提案手法では, メッシュ化やラスタ化のステップは不要であり, 大型3次元モデルでは効率的であり, 暗黙の曲面定義から抽出した等曲面にも適用可能である。 本手法は,暗黙的,メッシュ的,パラメトリックサーフェスに基づく逆レンダリングおよびニューラルネットワークトレーニングアプリケーションに対して有効であることを示す。 特に,ニューラルラジアンス場(NeRF)から抽出したアイソサーフェスを,初めて効率よく,微分可能なレンダリングで示し,体積ベースではなく表面ベースでNeRFのレンダリングを示す。

関連論文リスト

• A Simple Approach to Differentiable Rendering of SDFs [21.97043707520229]
  SDF(Signed Distance Fields)で表される表面の微分可能レンダリングのための簡単なアルゴリズムを提案する。 本手法は,下面がSDFで表される場合のサンプリングが容易な細い帯域に低次元境界積分を拡大する。
  論文  参考訳（メタデータ） (2024-05-14T16:19:13Z)
• NeuSD: Surface Completion with Multi-View Text-to-Image Diffusion [56.98287481620215]
  本稿では,対象物の一部のみを捉えた複数の画像から3次元表面再構成を行う手法を提案する。 提案手法は, 表面の可視部分の再構成に神経放射場を用いた表面再構成法と, SDS (Score Distillation Sampling) 方式で事前学習した2次元拡散モデルを用いて, 可観測領域の形状を再現する手法である。
  論文  参考訳（メタデータ） (2023-12-07T19:30:55Z)
• Delicate Textured Mesh Recovery from NeRF via Adaptive Surface Refinement [78.48648360358193]
  画像からテクスチャ化された表面メッシュを生成する新しいフレームワークを提案する。 我々のアプローチは、NeRFを用いて幾何学とビュー依存の外観を効率的に初期化することから始まります。 ジオメトリと共同で外観を洗練し、テクスチャ画像に変換してリアルタイムレンダリングします。
  論文  参考訳（メタデータ） (2023-03-03T17:14:44Z)
• NeuralMeshing: Differentiable Meshing of Implicit Neural Representations [63.18340058854517]
  ニューラルな暗黙表現から表面メッシュを抽出する新しい微分可能なメッシュアルゴリズムを提案する。 本手法は,通常のテッセルレーションパターンと,既存の手法に比べて三角形面の少ないメッシュを生成する。
  論文  参考訳（メタデータ） (2022-10-05T16:52:25Z)
• Representing 3D Shapes with Probabilistic Directed Distance Fields [7.528141488548544]
  暗黙的なアーキテクチャ内での高速な微分可能なレンダリングを可能にする新しい形状表現を開発する。 基礎分野における本質的な不連続性をモデル化する方法を示す。 また, 単一形状の3次元画像モデリング, 単一画像再構成作業にも適用した。
  論文  参考訳（メタデータ） (2021-12-10T02:15:47Z)
• DeepMesh: Differentiable Iso-Surface Extraction [53.77622255726208]
  本稿では,Deep Implicit Fieldsから表面メッシュを明示的に表現する方法を提案する。 我々の重要な洞察は、暗黙の場摂動が局所的な表面形状にどのように影響するかを推論することによって、最終的に表面サンプルの3次元位置を区別できるということである。 私たちはこれを利用して、そのトポロジを変えることができるDeepMesh – エンドツーエンドの差別化可能なメッシュ表現を定義する。
  論文  参考訳（メタデータ） (2021-06-20T20:12:41Z)
• Shape As Points: A Differentiable Poisson Solver [118.12466580918172]
  本稿では,ポアソン表面再構成 (PSR) の微分可能な定式化を用いた,微分可能な点間メッシュ層を提案する。 微分可能なPSR層は、暗示指標場を介して、明示的な3D点表現を3Dメッシュに効率よく、かつ、差別的にブリッジすることができる。 ニューラル暗黙の表現と比較して、私たちのシェープ・アズ・ポイント(SAP)モデルはより解釈可能で、軽量で、1桁の推論時間を加速します。
  論文  参考訳（メタデータ） (2021-06-07T09:28:38Z)
• Coupling Explicit and Implicit Surface Representations for Generative 3D Modeling [41.79675639550555]
  本稿では,2つの相補的な形状表現を利用する3次元曲面を表現するニューラルアーキテクチャを提案する。 これら2つの表現は、新しい一貫性損失を導入することで相乗効果を得る。 我々のハイブリッドアーキテクチャの出力結果は、2つの等価な単一表現ネットワークの出力よりも優れている。
  論文  参考訳（メタデータ） (2020-07-20T17:24:51Z)
• MeshSDF: Differentiable Iso-Surface Extraction [45.769838982991736]
  本稿では,Deep Signed Distance関数から表面メッシュを明示的に表現する方法を提案する。 我々の重要な洞察は、暗黙の場摂動が局所的な表面形状にどのように影響するかを推論することによって、最終的に表面サンプルの3次元位置を区別できるということである。 我々はこれを利用して、そのトポロジを変えることができるエンドツーエンドの差別化可能なメッシュ表現であるMeshSDFを定義します。
  論文  参考訳（メタデータ） (2020-06-06T23:44:05Z)

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。