論文の概要: Path Guiding Using Spatio-Directional Mixture Models
- arxiv url: http://arxiv.org/abs/2111.13094v1
- Date: Thu, 25 Nov 2021 14:16:13 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-29 17:52:05.527838
- Title: Path Guiding Using Spatio-Directional Mixture Models
- Title(参考訳): 比方向混合モデルを用いた経路案内
- Authors: Ana Dodik, Marios Papas, Cengiz \"Oztireli, Thomas M\"uller
- Abstract要約: 経路アルゴリズムにおける光パス構築のための学習に基づく手法を提案する。
我々は、インシデント放射をオンライントレーニングされた5ドルの混合品として近似した。
- 参考スコア(独自算出の注目度): 1.6746303554275583
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We propose a learning-based method for light-path construction in path
tracing algorithms, which iteratively optimizes and samples from what we refer
to as spatio-directional Gaussian mixture models (SDMMs). In particular, we
approximate incident radiance as an online-trained $5$D mixture that is
accelerated by a $k$D-tree. Using the same framework, we approximate BSDFs as
pre-trained $n$D mixtures, where $n$ is the number of BSDF parameters. Such an
approach addresses two major challenges in path-guiding models. First, the $5$D
radiance representation naturally captures correlation between the spatial and
directional dimensions. Such correlations are present in e.g.\ parallax and
caustics. Second, by using a tangent-space parameterization of Gaussians, our
spatio-directional mixtures can perform approximate product sampling with
arbitrarily oriented BSDFs. Existing models are only able to do this by either
foregoing anisotropy of the mixture components or by representing the radiance
field in local (normal aligned) coordinates, which both make the radiance field
more difficult to learn. An additional benefit of the tangent-space
parameterization is that each individual Gaussian is mapped to the solid sphere
with low distortion near its center of mass. Our method performs especially
well on scenes with small, localized luminaires that induce high
spatio-directional correlation in the incident radiance.
- Abstract(参考訳): 本研究では,空間指向型ガウス混合モデル (sdmms) を用いた経路追跡アルゴリズムにおける光路構築のための学習に基づく手法を提案する。
特に、インシデントラディアンスを、オンラインで訓練された5ドルの混合品として近似し、$k$D-treeで加速する。
同じフレームワークを使って、プリトレーニングされた$n$d混合物としてbsdfsを近似し、$n$はbsdfパラメータの数である。
このようなアプローチは、パスガイドモデルにおける2つの大きな課題に対処する。
まず、5ドルの放射率表現は自然に空間次元と方向次元の相関を捉える。
そのような相関は例えば、\parallax と caustics に存在している。
第2に,ガウスの接空間パラメータ化を用いることで,任意の方向のbsdfsを用いて近似積サンプリングを行うことができる。
既存のモデルは、混合成分の異方性を先導するか、局所的な(正規に整列した)座標で放射場を表現することでのみ可能であり、どちらも放射場を学習しにくくする。
接空間のパラメータ化のさらなる利点は、個々のガウスが質量の中心付近の歪みの低い固体球面に写像されることである。
提案手法は, 入射放射率の高比方向相関を誘導する, 局所発光素子の小型シーンで特によく機能する。
関連論文リスト
- Learning Radio Environments by Differentiable Ray Tracing [56.40113938833999]
本稿では, 材料特性, 散乱, アンテナパターンの微分パラメトリゼーションによって補う, 勾配式キャリブレーション法を提案する。
提案手法は,MIMO(分散マルチインプットマルチインプット・マルチアウトプット・チャネル・サウンドア)を用いて,合成データと実世界の屋内チャネル計測の両方を用いて検証した。
論文 参考訳(メタデータ) (2023-11-30T13:50:21Z) - Exploring Straighter Trajectories of Flow Matching with Diffusion
Guidance [66.4153984834872]
フローマッチング(StraightFM)のストレートトラジェクトリを提案する。
分布レベル全体から拡散モデルによって導かれる結合戦略により軌道を直線化する。
拡散法と従来のフローマッチング法の間で、FIDが低い視覚的に魅力的な画像を生成する。
論文 参考訳(メタデータ) (2023-11-28T06:19:30Z) - NeuRBF: A Neural Fields Representation with Adaptive Radial Basis
Functions [93.02515761070201]
本稿では,信号表現に一般放射状基底を用いる新しいタイプのニューラルネットワークを提案する。
提案手法は, 空間適応性が高く, ターゲット信号により密着可能な, フレキシブルなカーネル位置と形状を持つ一般ラジアルベース上に構築する。
ニューラルラジアンス場再構成に適用した場合,本手法はモデルサイズが小さく,訓練速度が同等である最先端のレンダリング品質を実現する。
論文 参考訳(メタデータ) (2023-09-27T06:32:05Z) - Learning Mixtures of Gaussians Using the DDPM Objective [11.086440815804226]
本研究では, 拡散確率モデル(DDPM)の目標値の勾配勾配が混合モデルの真理パラメータを効率的に回収できることを証明した。
この証明の鍵となる要素は、スコアベース手法と他の2つの分散学習アプローチの新たな関連性である。
論文 参考訳(メタデータ) (2023-07-03T17:44:22Z) - Neural Inference of Gaussian Processes for Time Series Data of Quasars [72.79083473275742]
クエーサースペクトルを完全に記述できる新しいモデルを提案する。
また、$textitNeural Inference$というガウス的プロセスパラメータの推論の新しいメソッドも導入しています。
CDRWモデルとNeural Inferenceの組み合わせはベースラインのDRWとMLEを大きく上回っている。
論文 参考訳(メタデータ) (2022-11-17T13:01:26Z) - A Model for Multi-View Residual Covariances based on Perspective
Deformation [88.21738020902411]
マルチビューSfM, オードメトリ, SLAMセットアップにおける視覚的残差の共分散モデルの導出を行う。
我々は、合成データと実データを用いてモデルを検証し、それを光度および特徴量に基づくバンドル調整に統合する。
論文 参考訳(メタデータ) (2022-02-01T21:21:56Z) - Spatial-Separated Curve Rendering Network for Efficient and
High-Resolution Image Harmonization [59.19214040221055]
本稿では,空間分離型曲線描画ネットワーク(S$2$CRNet)を提案する。
提案手法は従来の手法と比較して90%以上のパラメータを減少させる。
提案手法は,既存の手法よりも10ドル以上高速な高解像度画像をリアルタイムにスムーズに処理することができる。
論文 参考訳(メタデータ) (2021-09-13T07:20:16Z) - Primordial non-Gaussianity from the Completed SDSS-IV extended Baryon
Oscillation Spectroscopic Survey I: Catalogue Preparation and Systematic
Mitigation [3.2855185490071444]
最近完了したバリオン振動分光サーベイ(eBOSS)による最終分光試料の大規模クラスタリングについて検討する。
フォローアップ分光のターゲットを選択するために使用される画像データの品質の空間的変動に起因する密度場の急激なゆらぎを軽減するニューラルネットワークベースのアプローチを開発した。
論文 参考訳(メタデータ) (2021-06-25T16:01:19Z) - Gravitational-wave parameter estimation with autoregressive neural
network flows [0.0]
深部ニューラルネットワークを用いた重力波データから二元ブラックホール系のパラメータを高速に推定するための自己回帰正規化フローを導入する。
正規化フロー(英: normalizing flow)は、単純な確率分布からより複雑なものへの変換を誘導するために用いられるサンプル空間上の可逆写像である。
可変オートエンコーダフレームワークに自己回帰フローを組み込むことにより,より強力な潜在変数モデルを構築する。
論文 参考訳(メタデータ) (2020-02-18T15:44:04Z) - Optimal estimation of high-dimensional location Gaussian mixtures [6.947889260024788]
ワッサーシュタイン距離における混合分布を推定する最小値の値は$Theta((d/n)1/4 + n-1/(4k-2))$である。
また,混合密度はヘリンジャー距離の最適パラメトリックレート$Theta(sqrtd/n)$で推定可能であることを示す。
論文 参考訳(メタデータ) (2020-02-14T00:11:54Z)
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。
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。