論文の概要: Neural BRDFs: Representation and Operations
- arxiv url: http://arxiv.org/abs/2111.03797v1
- Date: Sat, 6 Nov 2021 03:50:02 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-09 16:40:31.015259
- Title: Neural BRDFs: Representation and Operations
- Title（参考訳）: ニューラルbrdf:表現と操作
- Authors: Jiahui Fan and Beibei Wang and Milo\v{s} Ha\v{s}an and Jian Yang and
Ling-Qi Yan
- Abstract要約: 双方向反射率分布関数 (BRDF) はコンピュータグラフィックスにおいてリアルな物理的外観を生成するために広く用いられている。
我々は「ニューラルBRDF代数」の形式を示し、BRDFの表現と操作を同時に重視する。
- 参考スコア（独自算出の注目度）: 25.94375378662899
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Bidirectional reflectance distribution functions (BRDFs) are pervasively used
in computer graphics to produce realistic physically-based appearance. In
recent years, several works explored using neural networks to represent BRDFs,
taking advantage of neural networks' high compression rate and their ability to
fit highly complex functions. However, once represented, the BRDFs will be
fixed and therefore lack flexibility to take part in follow-up operations. In
this paper, we present a form of "Neural BRDF algebra", and focus on both
representation and operations of BRDFs at the same time. We propose a
representation neural network to compress BRDFs into latent vectors, which is
able to represent BRDFs accurately. We further propose several operations that
can be applied solely in the latent space, such as layering and interpolation.
Spatial variation is straightforward to achieve by using textures of latent
vectors. Furthermore, our representation can be efficiently evaluated and
sampled, providing a competitive solution to more expensive Monte Carlo
layering approaches.
- Abstract（参考訳）: 双方向反射率分布関数 (BRDF) はコンピュータグラフィックスにおいてリアルな物理的外観を生成するために広く用いられている。
近年、ニューラルネットワークを用いてBRDFを表現し、高い圧縮率と高度に複雑な機能に適合する能力を活用する研究がいくつか行われている。
しかし、一度表現されたらBRDFは修正されるので、フォローアップ操作に参加する柔軟性がない。
本稿では,brdfの表現と操作の両方を同時に行う「神経系brdf代数」の形式について述べる。
本稿では,BRDFを遅延ベクトルに圧縮し,BRDFを正確に表現できる表現ニューラルネットワークを提案する。
さらに,階層化や補間など,潜在空間にのみ適用可能な操作もいくつか提案する。
空間的変動は潜在ベクトルのテクスチャを用いて簡単に達成できる。
さらに,より高価なモンテカルロ層化手法に対する競合ソリューションとして,効率的な評価とサンプル化が可能である。
関連論文リスト
- VDNA-PR: Using General Dataset Representations for Robust Sequential Visual Place Recognition [17.393105901701098]
本稿では、汎用データセット表現技術を用いて、堅牢な視覚的位置認識(VPR)記述子を生成する。
我々の実験は、我々の表現が、トレーニングデータ分布から真剣なドメインシフトへの現在の解決策よりも堅牢性を高めることができることを示している。
論文 参考訳（メタデータ） (2024-03-14T01:30:28Z) - Real-Time Neural BRDF with Spherically Distributed Primitives [35.09149879060455]
本稿では,高性能な材料表現を実現するニューラルBRDFを提案する。
その結果,本システムは様々な外観でリアルタイムレンダリングを実現していることがわかった。
論文 参考訳（メタデータ） (2023-10-12T13:46:36Z) - Polynomial Neural Fields for Subband Decomposition and Manipulation [78.2401411189246]
我々はニューラルフィールド(PNF)と呼ばれる新しい種類のニューラルフィールドを提案する。
PNFの鍵となる利点は、信号がニューラルネットワークの利点を失うことなく、操作可能なコンポーネントと解釈可能なコンポーネントの合成として表現できることである。
本研究では,Fourier PNFがテクスチャ転送やスケール空間といった信号操作の応用を可能にすることを実証的に示す。
論文 参考訳（メタデータ） (2023-02-09T18:59:04Z) - Signal Processing for Implicit Neural Representations [80.38097216996164]
Inlicit Neural Representation (INR)は、マルチ層パーセプトロンを介して連続したマルチメディアデータを符号化する。
既存の作業は、その離散化されたインスタンスの処理を通じて、そのような連続的な表現を操作する。
本稿では,INSP-Netと呼ばれる暗黙的ニューラル信号処理ネットワークを提案する。
論文 参考訳（メタデータ） (2022-10-17T06:29:07Z) - Variable Bitrate Neural Fields [75.24672452527795]
本稿では,特徴格子を圧縮し,メモリ消費を最大100倍に削減する辞書手法を提案する。
辞書の最適化をベクトル量子化オートデコーダ問題として定式化し、直接監督できない空間において、エンドツーエンドの離散神経表現を学習する。
論文 参考訳（メタデータ） (2022-06-15T17:58:34Z) - Dynamic Inference with Neural Interpreters [72.90231306252007]
本稿では,モジュールシステムとしての自己アテンションネットワークにおける推論を分解するアーキテクチャであるNeural Interpretersを提案する。
モデルへの入力は、エンドツーエンドの学習方法で一連の関数を通してルーティングされる。
ニューラル・インタープリタは、より少ないパラメータを用いて視覚変換器と同等に動作し、サンプル効率で新しいタスクに転送可能であることを示す。
論文 参考訳（メタデータ） (2021-10-12T23:22:45Z) - Towards Evaluating and Training Verifiably Robust Neural Networks [81.39994285743555]
We study the relationship between IBP and CROWN, and prove that CROWN are always tight than IBP when select each bounding lines。
線形結合伝播(LBP) CROWNの緩やかなバージョンを提案する。これは、大きなネットワークを検証して、より低い検証エラーを得るのに使用できる。
論文 参考訳（メタデータ） (2021-04-01T13:03:48Z) - Neural BRDF Representation and Importance Sampling [79.84316447473873]
本稿では,リフレクタンスBRDFデータのコンパクトニューラルネットワークに基づく表現について述べる。
BRDFを軽量ネットワークとしてエンコードし、適応角サンプリングによるトレーニングスキームを提案する。
複数の実世界のデータセットから等方性および異方性BRDFの符号化結果を評価する。
論文 参考訳（メタデータ） (2021-02-11T12:00:24Z) - Invertible Neural BRDF for Object Inverse Rendering [27.86441556552318]
本稿では,新しいニューラルネットワークに基づくBRDFモデルと,オブジェクト逆レンダリングのためのベイズフレームワークを提案する。
多数の測定データに基づいて, 可逆性ニューラルBRDFモデルの精度を実験的に検証した。
結果は、ディープニューラルネットワークが逆問題に挑戦するのに役立つ新しい方法を示している。
論文 参考訳（メタデータ） (2020-08-10T11:27:01Z)
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。