論文の概要: Differentiable IFS Fractals
- arxiv url: http://arxiv.org/abs/2203.01231v1
- Date: Wed, 2 Mar 2022 16:51:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-03 16:09:50.993557
- Title: Differentiable IFS Fractals
- Title(参考訳): 微分可能なIFSフラクタル
- Authors: Cory Braker Scott
- Abstract要約: 微分可能なレンダリングパイプラインを用いたIFSフラクタルのレンダリングについて検討する。
微分レンダリングは、グラフィックスと機械学習の交差点における最近のイノベーションである。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: I present my explorations in rendering Iterated Function System (IFS)
fractals using a differentiable rendering pipeline. Differentiable rendering is
a recent innovation at the intersection of graphics and machine learning. This
opens up many possibilities for generating fractals that meet particular
criteria. In this paper I show how my method can be used to generate an IFS
fractal that resembles a target image.
- Abstract(参考訳): 微分可能なレンダリングパイプラインを用いた反復関数システム(ifs)フラクタルのレンダリングについて紹介する。
微分レンダリングは、グラフィックスと機械学習の交差点における最近のイノベーションである。
これは、特定の基準を満たすフラクタルを生成する多くの可能性を開く。
本稿では,対象画像に類似したIFSフラクタルを生成する方法について述べる。
関連論文リスト
- FreeCOS: Self-Supervised Learning from Fractals and Unlabeled Images for
Curvilinear Object Segmentation [7.078356641689271]
本稿では, フラクタルや未ラベル画像から頑健で独特な特徴を学習する自己教師型カービリニアオブジェクトセグメンテーション法を提案する。
主な貢献は、新しいフラクタル-FDA合成(FFS)モジュールと幾何情報アライメント(GIA)アプローチである。
GIAは、与えられたピクセルの強度次数と近隣のピクセルの値を比較することで、合成画像とラベルなし画像の強度差を低減する。
論文 参考訳(メタデータ) (2023-07-14T09:38:08Z) - Learning Fractals by Gradient Descent [19.93434604598185]
近年の視覚認識の研究は、モデル事前学習のためのランダムフラクタル画像を作成するために、この特性を活用している。
本稿では, フラクタル画像の基礎となるパラメータを勾配降下により学習する手法を提案する。
提案手法は, 視覚的品質の高いフラクタルパラメータを見つけ, 異なる損失関数に適合することを示す。
論文 参考訳(メタデータ) (2023-03-14T17:20:25Z) - Deep Fourier Up-Sampling [100.59885545206744]
フーリエ領域のアップサンプリングは、そのような局所的な性質に従わないため、より難しい。
これらの問題を解決するために理論的に健全なDeep Fourier Up-Sampling (FourierUp)を提案する。
論文 参考訳(メタデータ) (2022-10-11T06:17:31Z) - Adaptive Local Implicit Image Function for Arbitrary-scale
Super-resolution [61.95533972380704]
局所暗黙画像関数(LIIF)は、対応する座標を入力として、画素値が拡張される連続関数として画像を表す。
LIIFは任意のスケールの超解像タスクに適用でき、その結果、様々なアップスケーリング要因に対して単一の効率的かつ効率的なモデルが得られる。
この問題を軽減するために,新しい適応型局所像関数(A-LIIF)を提案する。
論文 参考訳(メタデータ) (2022-08-07T11:23:23Z) - Explicit Use of Fourier Spectrum in Generative Adversarial Networks [0.0]
真正画像のスペクトルと偽画像の間には相違点があることが示される。
本研究では,実画像と偽画像のスペクトルの相違を低減させる新しいモデルを提案する。
生成した画像の品質向上に有望な改善を実験的に示す。
論文 参考訳(メタデータ) (2022-08-02T06:26:44Z) - Differentiable Rendering of Neural SDFs through Reparameterization [32.47993049026182]
ニューラルSDFにおける幾何学的シーンパラメータに対する正しい勾配を自動的に計算する手法を提案する。
提案手法は,地域サンプリング技術に基づいて,不連続性を考慮した連続的なワーピング機能を開発する。
我々の微分可能法は、多視点画像からの神経形状を最適化し、同等の3D再構成を生成できる。
論文 参考訳(メタデータ) (2022-06-10T20:30:26Z) - FOF: Learning Fourier Occupancy Field for Monocular Real-time Human
Reconstruction [73.85709132666626]
パラメトリックモデル、ボクセルグリッド、メッシュ、暗黙のニューラル表現といった既存の表現は、高品質な結果とリアルタイムなスピードを同時に達成することが困難である。
本稿では,モノクラーリアルタイムかつ高精度な人体再構成のための,新しい強力で効率的で柔軟な3次元表現であるFourier Occupancy Field (FOF)を提案する。
FOFは、2D畳み込みニューラルネットワークと互換性があり、3D画像と2D画像のギャップを埋めることのできるマルチチャネル画像として保存することができる。
論文 参考訳(メタデータ) (2022-06-05T14:45:02Z) - VoGE: A Differentiable Volume Renderer using Gaussian Ellipsoids for
Analysis-by-Synthesis [62.47221232706105]
本稿では,ガウス再構成カーネルをボリュームプリミティブとして利用するVoGEを提案する。
本稿では,VoGEを用いて効率よくレンダリングを行うために,体積密度集約と粗大な描画戦略に関する近似クローズフォーム解を提案する。
VoGEは、オブジェクトポーズ推定、形状/テクスチャフィッティング、推論など、様々な視覚タスクに適用された場合、SoTAより優れている。
論文 参考訳(メタデータ) (2022-05-30T19:52:11Z) - View Synthesis with Sculpted Neural Points [64.40344086212279]
暗黙の神経表現は印象的な視覚的品質を達成したが、計算効率に欠点がある。
本稿では,点雲を用いたビュー合成を行う新しい手法を提案する。
レンダリング速度を100倍以上速くしながら、NeRFよりも視覚的品質を向上する最初のポイントベース手法である。
論文 参考訳(メタデータ) (2022-05-12T03:54:35Z) - TorMentor: Deterministic dynamic-path, data augmentations with fractals [8.100004428378066]
プラズマフラクタルを用いて局所的な連続変換に大域的な画像拡張変換を適用する。
本稿では,TorMentorの画像拡張フレームワークについて述べる。
論文 参考訳(メタデータ) (2022-04-07T23:28:12Z) - Image GANs meet Differentiable Rendering for Inverse Graphics and
Interpretable 3D Neural Rendering [101.56891506498755]
異なるレンダリングによって、ニューラルネットワークをトレーニングして"逆グラフィックス"タスクを実行する方法が舗装された。
提案手法は,既存のデータセットでトレーニングした最先端の逆グラフネットワークを著しく上回ることを示す。
論文 参考訳(メタデータ) (2020-10-18T22:29:07Z)
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。