論文の概要: Differentiable Neural Radiosity
- arxiv url: http://arxiv.org/abs/2201.13190v1
- Date: Mon, 31 Jan 2022 12:53:37 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-01 17:59:22.573961
- Title: Differentiable Neural Radiosity
- Title（参考訳）: 分化可能な神経放射能
- Authors: Saeed Hadadan, Matthias Zwicker
- Abstract要約: 本稿では,ニューラルネットワークを用いた微分レンダリング方程式の解を表現する新しい手法である微分可能なニューラルラジオシティを紹介する。
ニューラルラジオシティ技術に触発されて、微分レンダリング方程式の残差のノルムを最小化し、ネットワークを直接最適化する。
- 参考スコア（独自算出の注目度）: 28.72382947011186
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce Differentiable Neural Radiosity, a novel method of representing
the solution of the differential rendering equation using a neural network.
Inspired by neural radiosity techniques, we minimize the norm of the residual
of the differential rendering equation to directly optimize our network. The
network is capable of outputting continuous, view-independent gradients of the
radiance field with respect to scene parameters, taking into account
differential global illumination effects while keeping memory and time
complexity constant in path length. To solve inverse rendering problems, we use
a pre-trained instance of our network that represents the differential radiance
field with respect to a limited number of scene parameters. In our experiments,
we leverage this to achieve faster and more accurate convergence compared to
other techniques such as Automatic Differentiation, Radiative Backpropagation,
and Path Replay Backpropagation.
- Abstract（参考訳）: 本稿では,ニューラルネットワークを用いた微分レンダリング方程式の解を表現する新しい手法である微分可能なニューラルラジオシティを紹介する。
ニューラルラジオシティ技術に触発されて、微分レンダリング方程式の残差のノルムを最小化し、ネットワークを直接最適化する。
ネットワークは、シーンパラメーターに対する輝度場の連続的かつビュー非依存な勾配を出力でき、メモリと時間複雑性をパス長で一定に保ちながら、差動大域照明効果を考慮に入れることができる。
逆レンダリング問題を解決するために,我々は,シーンパラメータの限られた数に対して微分放射場を表すネットワークの事前学習したインスタンスを用いる。
実験では, 自動微分, ラジエーティブバックプロパゲーション, パスリプレイバックプロパゲーションなどの他の手法と比較して, 高速かつ高精度な収束を実現するためにこれを活用した。
関連論文リスト
- Fast and Accurate Neural Rendering Using Semi-Gradients [2.977255700811213]
我々は,グローバル照明レンダリングのためのニューラルネットワークベースのフレームワークを提案する。
これらの問題の原因を,残差に基づく目的関数の勾配推定における偏りと高分散として同定する。
論文 参考訳（メタデータ） (2024-10-14T04:30:38Z) - NeRF-Casting: Improved View-Dependent Appearance with Consistent Reflections [57.63028964831785]
最近の研究は、遠方の環境照明の詳細な明細な外観を描画するNeRFの能力を改善しているが、近い内容の一貫した反射を合成することはできない。
我々はこれらの問題をレイトレーシングに基づくアプローチで解決する。
このモデルでは、それぞれのカメラ線に沿った点における視界依存放射率を求めるために高価なニューラルネットワークをクエリする代わりに、これらの点から光を流し、NeRF表現を通して特徴ベクトルを描画します。
論文 参考訳（メタデータ） (2024-05-23T17:59:57Z) - Rethinking Directional Integration in Neural Radiance Fields [8.012147983948665]
数行のコード変更をNeRF変種に対して行うのと同じくらい簡単なNeRFレンダリング方程式の修正を導入する。
修正方程式は、学習された光線埋め込みによる光場レンダリングと解釈できることを示す。
論文 参考訳（メタデータ） (2023-11-28T18:59:50Z) - Inverse Global Illumination using a Neural Radiometric Prior [26.29610954064107]
グローバル照明を考慮に入れた逆レンダリング手法が普及しつつある。
本稿では,従来の微分可能経路トレーサに完全経路積分を構築するための簡易な方法として,ラジオメトリック先行手法を提案する。
論文 参考訳（メタデータ） (2023-05-03T15:36:39Z) - IntrinsicNeRF: Learning Intrinsic Neural Radiance Fields for Editable
Novel View Synthesis [90.03590032170169]
内在性ニューラルレンダリング法に内在性分解を導入した内在性ニューラルレイディアンス場(IntrinsicNeRF)を提案する。
そこで,本研究では,オブジェクト固有・ルームスケールシーンと合成・実単語データの両方を用いて,一貫した本質的な分解結果が得られることを示す。
論文 参考訳（メタデータ） (2022-10-02T22:45:11Z) - InfoNeRF: Ray Entropy Minimization for Few-Shot Neural Volume Rendering [55.70938412352287]
ニューラルな暗黙表現に基づく数ショットの新規ビュー合成のための情報理論正規化手法を提案する。
提案手法は,不十分な視点で発生する潜在的な復元の不整合を最小化する。
複数の標準ベンチマークにおいて,既存のニューラルビュー合成手法と比較して一貫した性能向上を実現している。
論文 参考訳（メタデータ） (2021-12-31T11:56:01Z) - NerfingMVS: Guided Optimization of Neural Radiance Fields for Indoor
Multi-view Stereo [97.07453889070574]
本稿では,従来のSfM再構成と学習に基づく先行手法を併用した多視点深度推定手法を提案する。
提案手法は室内シーンにおける最先端手法を著しく上回ることを示す。
論文 参考訳（メタデータ） (2021-09-02T17:54:31Z) - Neural Radiosity [31.35525999999182]
残差方程式のノルムを最小化して方程式を解くアルゴリズムであるニューラルラジオシティを導入する。
提案手法は、画像のレンダリングから放射率方程式を分離し、シーンの任意のビューを効率的に合成する。
論文 参考訳（メタデータ） (2021-05-26T04:10:00Z) - MVSNeRF: Fast Generalizable Radiance Field Reconstruction from
Multi-View Stereo [52.329580781898116]
MVSNeRFは、ビュー合成のための神経放射場を効率的に再構築できる新しいニューラルレンダリング手法である。
高密度にキャプチャされた画像に対して,シーン毎の最適化を考慮に入れたニューラルネットワークの先行研究とは異なり,高速ネットワーク推論により,近傍の3つの入力ビューのみからラミアンスフィールドを再構成できる汎用ディープニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2021-03-29T13:15:23Z) - Time Dependence in Non-Autonomous Neural ODEs [74.78386661760662]
時変重みを持つニューラルODEの新しいファミリーを提案する。
我々は、速度と表現能力の両面で、従来のニューラルODEの変形よりも優れていた。
論文 参考訳（メタデータ） (2020-05-05T01:41:46Z)
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。