論文の概要: NeReF: Neural Refractive Field for Fluid Surface Reconstruction and
Implicit Representation
- arxiv url: http://arxiv.org/abs/2203.04130v1
- Date: Tue, 8 Mar 2022 14:56:16 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-09 18:00:30.336492
- Title: NeReF: Neural Refractive Field for Fluid Surface Reconstruction and
Implicit Representation
- Title(参考訳): NeReF: 流体表面再構成と暗示表現のためのニューラル屈折場
- Authors: Ziyu Wang, Wei Yang, Junming Cao, Lan Xu, Junqing Yu, Jingyi Yu
- Abstract要約: 本研究では, 流体表面の位置と正常度を同時に推定することにより, 透明流体の波面を復元する新しいニューラル屈折場(NeReF)を提案する。
我々は、NeReFを大域的な最適化手法として、従来の対応マッチング法よりも屈折歪みに頑健に対処できることを示した。
我々は、合成データと実データの両方にアプローチを検証し、特にスパースマルチビュー獲得に適していることを示す。
- 参考スコア(独自算出の注目度): 43.76192255181977
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Existing neural reconstruction schemes such as Neural Radiance Field (NeRF)
are largely focused on modeling opaque objects. We present a novel neural
refractive field(NeReF) to recover wavefront of transparent fluids by
simultaneously estimating the surface position and normal of the fluid front.
Unlike prior arts that treat the reconstruction target as a single layer of the
surface, NeReF is specifically formulated to recover a volumetric normal field
with its corresponding density field. A query ray will be refracted by NeReF
according to its accumulated refractive point and normal, and we employ the
correspondences and uniqueness of refracted ray for NeReF optimization. We show
NeReF, as a global optimization scheme, can more robustly tackle refraction
distortions detrimental to traditional methods for correspondence matching.
Furthermore, the continuous NeReF representation of wavefront enables view
synthesis as well as normal integration. We validate our approach on both
synthetic and real data and show it is particularly suitable for sparse
multi-view acquisition. We hence build a small light field array and experiment
on various surface shapes to demonstrate high fidelity NeReF reconstruction.
- Abstract(参考訳): ニューラルレージアンスフィールド(NeRF)のような既存のニューラル再構成スキームは主に不透明物体のモデリングに焦点を当てている。
本研究では, 流体表面の位置と正常度を同時に推定することにより, 透明流体の波面を復元する新しいニューラル屈折場(NeReF)を提案する。
再構成対象を表面の単一層として扱う先行技術とは異なり、NeReFは対応する密度場を持つ体積正規場を復元するために特別に定式化されている。
クエリレイはその蓄積された屈折点と正規値に応じてnerefによって屈折され、neref最適化のためにrefracted rayの対応と一意性を利用する。
我々は,NeReFを大域的最適化手法として,従来の対応マッチング法と相反する屈折歪みに頑健に対処できることを示した。
さらに、波面の連続NeReF表現は、ビュー合成と通常の積分を可能にする。
我々は、合成データと実データの両方にアプローチを検証し、特にスパースマルチビュー獲得に適していることを示す。
そこで我々は, 小型光電場アレイを構築し, 各種表面形状を用いて高忠実度NeReF再構成実験を行った。
関連論文リスト
- ND-SDF: Learning Normal Deflection Fields for High-Fidelity Indoor Reconstruction [50.07671826433922]
微妙な幾何を同時に復元し、異なる特徴を持つ領域をまたいだ滑らかさを保つことは自明ではない。
そこで我々は,ND-SDFを提案する。ND-SDFは,通常のシーンとそれ以前のシーンの角偏差を表す正規偏向場を学習する。
本手法は, 壁面や床面などのスムーズなテクスチャ構造を得るだけでなく, 複雑な構造の幾何学的詳細も保存する。
論文 参考訳(メタデータ) (2024-08-22T17:59:01Z) - RaNeuS: Ray-adaptive Neural Surface Reconstruction [87.20343320266215]
微分可能放射場 eg NeRF を利用して、新しいビューレンダリングを生成するとともに、詳細な3次元表面を再構成する。
本研究では,SDFから放射場への射影を一様等間隔のアイコニカル正規化で定式化し,最適化することを考えると,光度重み付け係数を改良する。
提案する textitRaNeuS は,合成データと実データの両方で広く評価されている。
論文 参考訳(メタデータ) (2024-06-14T07:54:25Z) - NeRSP: Neural 3D Reconstruction for Reflective Objects with Sparse Polarized Images [62.752710734332894]
NeRSPはスパース偏光画像を用いた反射面のニューラル3次元再構成技術である。
偏光画像形成モデルと多視点方位整合性から測光的および幾何学的手がかりを導出する。
我々は6つのビューのみを入力として、最先端の表面再構成結果を達成する。
論文 参考訳(メタデータ) (2024-06-11T09:53:18Z) - NePF: Neural Photon Field for Single-Stage Inverse Rendering [6.977356702921476]
多視点画像の逆レンダリングに対処するために,新しい単一ステージフレームワークNePF(Neural Photon Field)を提案する。
NePFは、神経暗黙表面の重み関数の背後にある物理的意味を完全に活用することで、この統一を実現する。
我々は本手法を実データと合成データの両方で評価する。
論文 参考訳(メタデータ) (2023-11-20T06:15:46Z) - NeRRF: 3D Reconstruction and View Synthesis for Transparent and Specular
Objects with Neural Refractive-Reflective Fields [23.099784003061618]
ニューラル放射場(NeRF)に屈折反射場を導入する
NeRFは直線線を使用し、屈折や反射によって引き起こされる複雑な光路の変化に対処できない。
本稿では,効果的かつ効果的なアンチエイリアスを実現するための仮想コーンスーパーサンプリング手法を提案する。
論文 参考訳(メタデータ) (2023-09-22T17:59:12Z) - FlipNeRF: Flipped Reflection Rays for Few-shot Novel View Synthesis [30.25904672829623]
FlipNeRFは,提案したフレキシブルリフレクション線を利用して,数発の新規ビュー合成のための新しい正規化手法である。
FlipNeRFは、異なるシーン構造全体にわたって効果的に浮かぶアーティファクトを削減し、より信頼性の高いアウトプットを見積もることができる。
論文 参考訳(メタデータ) (2023-06-30T15:11:00Z) - N-SfC: Robust and Fast Shape Estimation from Caustic Images [0.0]
本稿では,2つのコンポーネントを再構築パイプラインに組み込んだ学習ベース拡張(denoising module)と最適化プロセスを紹介する。
我々は,3次元ガラス印刷における計算速度と最終表面誤差の点で,現状を著しく上回っている。
論文 参考訳(メタデータ) (2021-12-13T14:45:08Z) - Ref-NeRF: Structured View-Dependent Appearance for Neural Radiance
Fields [40.72851892972173]
本稿では,NeRFの視界依存放射のパラメータ化を反射放射率と構造表現に置き換えるRef-NeRFを提案する。
また,本モデルの内部的放射率表現は,シーン編集に有用であることを示す。
論文 参考訳(メタデータ) (2021-12-07T18:58:37Z) - NeRFactor: Neural Factorization of Shape and Reflectance Under an
Unknown Illumination [60.89737319987051]
照明条件が不明な物体の多視点像から物体の形状と空間的反射率を復元する問題に対処する。
これにより、任意の環境照明下でのオブジェクトの新たなビューのレンダリングや、オブジェクトの材料特性の編集が可能になる。
論文 参考訳(メタデータ) (2021-06-03T16:18:01Z) - Non-line-of-Sight Imaging via Neural Transient Fields [52.91826472034646]
NLOS(non-Line-of-Sight)イメージングのためのニューラルモデリングフレームワークを提案する。
最近のNeRF(Neural Radiance Field)アプローチにインスパイアされた我々は、ニューラルネットワーク(NeTF)を表現するために多層パーセプトロン(MLP)を使用する。
共焦点と非共焦点の両方に適用可能な球状ボリュームnetf再構成パイプラインを定式化する。
論文 参考訳(メタデータ) (2021-01-02T05:20:54Z)
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。