論文の概要: Solving Inverse Problems with NerfGANs

• arxiv url: http://arxiv.org/abs/2112.09061v1
• Date: Thu, 16 Dec 2021 17:56:58 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-17 13:44:13.090910
• Title: Solving Inverse Problems with NerfGANs
• Title（参考訳）: NerfGANによる逆問題の解法
• Authors: Giannis Daras, Wen-Sheng Chu, Abhishek Kumar, Dmitry Lagun, Alexandros G. Dimakis
• Abstract要約: 我々は、NeRF型生成モデルを用いて、逆問題を解決するための新しいフレームワークを提案する。 遅延空間を鼻で最適化することは、アーティファクトや、新しいビューレンダリングに繋がることを示す。 本研究では,より優れた3次元表面を得るための新しい放射場正規化手法を提案する。
• 参考スコア（独自算出の注目度）: 88.24518907451868
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We introduce a novel framework for solving inverse problems using NeRF-style generative models. We are interested in the problem of 3-D scene reconstruction given a single 2-D image and known camera parameters. We show that naively optimizing the latent space leads to artifacts and poor novel view rendering. We attribute this problem to volume obstructions that are clear in the 3-D geometry and become visible in the renderings of novel views. We propose a novel radiance field regularization method to obtain better 3-D surfaces and improved novel views given single view observations. Our method naturally extends to general inverse problems including inpainting where one observes only partially a single view. We experimentally evaluate our method, achieving visual improvements and performance boosts over the baselines in a wide range of tasks. Our method achieves $30-40\%$ MSE reduction and $15-25\%$ reduction in LPIPS loss compared to the previous state of the art.
• Abstract（参考訳）: 本稿では,nerf型生成モデルを用いて逆問題を解くための新しい枠組みを提案する。 1枚の2次元画像と既知のカメラパラメータが与えられた3次元シーンの再構成問題に興味を持っている。 潜在空間をナイーブに最適化すると、アーティファクトや新しいビューのレンダリングが貧弱になる。 この問題を3次元幾何学において明らかで、新しいビューのレンダリングで見えるようなボリューム障害に分類する。 本研究では,より優れた3次元表面を得るための新しい放射場正規化手法を提案する。 本手法は, 部分的な1つのビューのみを観察するインペインティングを含む一般的な逆問題に自然に拡張する。 提案手法を実験的に評価し,幅広いタスクにおけるベースラインに対する視覚的改善と性能向上を実現した。 本手法は, LPIPS損失を従来の技術と比較して30～40 %のMSE削減および15～25 %のLPIPS損失削減を実現する。

関連論文リスト

• Frequency-based View Selection in Gaussian Splatting Reconstruction [9.603843571051744]
  入力画像の少ない3次元ガウススプラッティング再構成を行うためのアクティブビュー選択の問題について検討する。 周波数領域の潜在的なビューをランク付けすることで、新しい視点の潜在的な情報ゲインを効果的に推定することができる。 提案手法は,画像による3次元再構成を効果的に行う可能性を示し,ビュー選択の最先端性を実現する。
  論文  参考訳（メタデータ） (2024-09-24T21:44:26Z)
• Phys3DGS: Physically-based 3D Gaussian Splatting for Inverse Rendering [5.908471365011943]
  まず,表面下ガウス色が既存手法で採用したボリュームレンダリングにおいて,ガウス色に悪影響を及ぼす隠れガウス色によって生じる問題について報告する。 遅延レンダリングによる3DGSベースの逆レンダリングの品質向上を目的として,新しい2段階トレーニング手法を提案する。 実験の結果,提案手法は既存の3DGSベースの逆レンダリング法に比べて,レンダリング品質が大幅に向上していることがわかった。
  論文  参考訳（メタデータ） (2024-09-16T14:46:36Z)
• 2L3: Lifting Imperfect Generated 2D Images into Accurate 3D [16.66666619143761]
  マルチビュー(MV)3次元再構成は,生成したMV画像を一貫した3次元オブジェクトに融合させる,有望なソリューションである。 しかし、生成された画像は、通常、一貫性のない照明、不整合幾何学、スパースビューに悩まされ、復元の質が低下する。 本稿では, 内在的分解誘導, 過渡的モノ先行誘導, および3つの問題に対処するための視認性向上を活用する新しい3次元再構成フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-01-29T02:30:31Z)
• Re-Nerfing: Improving Novel View Synthesis through Novel View Synthesis [80.3686833921072]
  最近のニューラルレンダリングや、NeRFsやGaussian Splattingのような再構成技術は、目覚ましいビュー合成能力を示している。 画像が少ないほど、これらの手法は、基礎となる3D幾何学を正しく三角測量できないため、失敗し始めます。 本稿では,新規なビュー合成自体を活用するシンプルで汎用的なアドオン手法であるRe-Nerfingを提案する。
  論文  参考訳（メタデータ） (2023-12-04T18:56:08Z)
• Seeing Through the Glass: Neural 3D Reconstruction of Object Inside a Transparent Container [61.50401406132946]
  透明な囲いは、異なる伝搬媒質間の界面に複数の光反射と屈折の挑戦を引き起こす。 我々は、内部部分空間の幾何学と外観を暗黙的に表現する既存のニューラル再構成法(NeuS)を用いる。 複雑な光相互作用を説明するため,ボリュームレンダリングとレイトレーシングを組み合わせたハイブリッドレンダリング戦略を開発した。
  論文  参考訳（メタデータ） (2023-03-24T04:58:27Z)
• GazeNeRF: 3D-Aware Gaze Redirection with Neural Radiance Fields [100.53114092627577]
  既存の視線リダイレクト法は2次元画像上で動作し、3次元一貫した結果を生成するのに苦労する。 顔領域と眼球は3次元構造であり、協調しているが独立して動くという直感に基づいて構築する。
  論文  参考訳（メタデータ） (2022-12-08T13:19:11Z)
• 3D GAN Inversion with Facial Symmetry Prior [42.22071135018402]
  3D GANとGANの反転法を関連付けて、実際の画像をジェネレータの潜伏空間に投影することは自然である。 顔の対称性を事前に導入することで3D GANのインバージョンを促進する新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-11-30T11:57:45Z)
• High-fidelity 3D GAN Inversion by Pseudo-multi-view Optimization [51.878078860524795]
  フォトリアリスティック・ノベルビューを合成可能な高忠実度3次元生成対向ネットワーク(GAN)インバージョン・フレームワークを提案する。 提案手法は,1枚の画像から高忠実度3Dレンダリングを可能にし,AI生成3Dコンテンツの様々な応用に期待できる。
  論文  参考訳（メタデータ） (2022-11-28T18:59:52Z)
• Inverting Generative Adversarial Renderer for Face Reconstruction [58.45125455811038]
  本稿では,GAR(Generative Adversa Renderer)について紹介する。 GARは、グラフィックルールに頼るのではなく、複雑な現実世界のイメージをモデル化することを学ぶ。 本手法は,複数顔再構成における最先端性能を実現する。
  論文  参考訳（メタデータ） (2021-05-06T04:16:06Z)

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。