論文の概要: Intrinsic Neural Fields: Learning Functions on Manifolds

• arxiv url: http://arxiv.org/abs/2203.07967v2
• Date: Thu, 17 Mar 2022 13:07:55 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-18 10:45:51.664003
• Title: Intrinsic Neural Fields: Learning Functions on Manifolds
• Title（参考訳）: 内在的神経場:多様体上の学習関数
• Authors: Lukas Koestler, Daniel Grittner, Michael Moeller, Daniel Cremers, Zorah L\"ahner
• Abstract要約: 内在神経場は、ニューラルネットワークの利点とラプラス・ベルトラミ作用素のスペクトル特性を結合する。 内在型ニューラルネットワークは、最先端の画質で画像から高品質なテクスチャを再構築できることを示す。 様々なアプリケーションに対処することで,本質的ニューラルネットワークの汎用性を実証する。
• 参考スコア（独自算出の注目度）: 45.269698580847916
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Neural fields have gained significant attention in the computer vision community due to their excellent performance in novel view synthesis, geometry reconstruction, and generative modeling. Some of their advantages are a sound theoretic foundation and an easy implementation in current deep learning frameworks. While neural fields have been applied to signals on manifolds, e.g., for texture reconstruction, their representation has been limited to extrinsically embedding the shape into Euclidean space. The extrinsic embedding ignores known intrinsic manifold properties and is inflexible wrt. transfer of the learned function. To overcome these limitations, this work introduces intrinsic neural fields, a novel and versatile representation for neural fields on manifolds. Intrinsic neural fields combine the advantages of neural fields with the spectral properties of the Laplace-Beltrami operator. We show theoretically that intrinsic neural fields inherit many desirable properties of the extrinsic neural field framework but exhibit additional intrinsic qualities, like isometry invariance. In experiments, we show intrinsic neural fields can reconstruct high-fidelity textures from images with state-of-the-art quality and are robust to the discretization of the underlying manifold. We demonstrate the versatility of intrinsic neural fields by tackling various applications: texture transfer between deformed shapes & different shapes, texture reconstruction from real-world images with view dependence, and discretization-agnostic learning on meshes and point clouds.
• Abstract（参考訳）: ニューラルフィールドはコンピュータビジョンのコミュニティにおいて、新しい視点合成、幾何再構成、生成モデリングにおいて優れた性能を持つため、大きな注目を集めている。 彼らの利点は、健全な理論的基盤と、現在のディープラーニングフレームワークへの簡単な実装である。 ニューラルネットワークは、例えばテクスチャ再構成のために多様体上の信号に適用されているが、それらの表現はユークリッド空間に形を外在的に埋め込むことに限られている。 外部埋め込みは既知の内在多様体の性質を無視し、非フレキシブル Wrt である。 学習した関数の転送。 これらの制限を克服するために、この研究は多様体上の神経場の新しい多目的表現である内在神経場を導入している。 内在神経場は、ニューラルネットワークの利点とラプラス・ベルトラミ作用素のスペクトル特性を結合する。 理論的には、内在性ニューラルフィールドは外在性ニューラルフィールドフレームワークの望ましい多くの特性を継承するが、等尺性不変性のような追加の内在性を示す。 実験では、内在的な神経場が最先端の画像から高忠実なテクスチャを再構成し、基礎となる多様体の離散化に頑健であることを示す。 変形した形状と異なる形状のテクスチャ転送、ビュー依存の現実画像からのテクスチャ再構築、メッシュや点雲における離散化に依存しない学習など、様々な応用により、内在的ニューラルネットワークの汎用性を実証する。

関連論文リスト

• The Dynamic Net Architecture: Learning Robust and Holistic Visual Representations Through Self-Organizing Networks [3.9848584845601014]
  動的ネットアーキテクチャ(DNA)と呼ばれる新しいインテリジェントシステムアーキテクチャを提案する。 DNAは繰り返し安定化されたネットワークに依存し、それを視覚に応用するために議論する。
  論文  参考訳（メタデータ） (2024-07-08T06:22:10Z)
• Unsupervised representation learning with Hebbian synaptic and structural plasticity in brain-like feedforward neural networks [0.0]
  教師なし表現学習が可能な脳様ニューラルネットワークモデルを導入,評価する。 このモデルは、一般的な機械学習ベンチマークのさまざまなセットでテストされた。
  論文  参考訳（メタデータ） (2024-06-07T08:32:30Z)
• NeuralClothSim: Neural Deformation Fields Meet the Thin Shell Theory [70.10550467873499]
  薄型シェルを用いた新しい擬似布シミュレータであるNeuralClothSimを提案する。 メモリ効率の高い解法はニューラル変形場と呼ばれる新しい連続座標に基づく表面表現を演算する。
  論文  参考訳（メタデータ） (2023-08-24T17:59:54Z)
• A Hierarchical Architecture for Neural Materials [13.144139872006287]
  我々は新しいレベルの精度を提供するニューラルな外観モデルを導入する。 インセプションベースのコアネットワーク構造は、複数のスケールで素材の外観をキャプチャする。 入力を周波数空間にエンコードし、勾配に基づく損失を導入し、学習フェーズの進行に適応させる。
  論文  参考訳（メタデータ） (2023-07-19T17:00:45Z)
• Data-driven emergence of convolutional structure in neural networks [83.4920717252233]
  識別タスクを解くニューラルネットワークが、入力から直接畳み込み構造を学習できることを示す。 データモデルを慎重に設計することにより、このパターンの出現は、入力の非ガウス的、高次局所構造によって引き起こされることを示す。
  論文  参考訳（メタデータ） (2022-02-01T17:11:13Z)
• Neural Fields in Visual Computing and Beyond [54.950885364735804]
  機械学習の最近の進歩は、座標ベースニューラルネットワークを用いた視覚コンピューティング問題の解決への関心が高まっている。 ニューラルネットワークは、3D形状と画像の合成、人体のアニメーション、3D再構成、ポーズ推定に成功している。 本報告は、文脈、数学的基礎、および、ニューラルネットワークに関する文献の広範なレビューを提供する。
  論文  参考訳（メタデータ） (2021-11-22T18:57:51Z)
• Neural Actor: Neural Free-view Synthesis of Human Actors with Pose Control [80.79820002330457]
  任意の視点と任意の制御可能なポーズの下での人間の高品質な合成法を提案する。 提案手法は,新しいポーズ合成法と同様に,再生時の最先端技術よりも優れた品質を実現し,トレーニングポーズと大きく異なる新しいポーズを一般化することができる。
  論文  参考訳（メタデータ） (2021-06-03T17:40:48Z)
• Texture Generation with Neural Cellular Automata [64.70093734012121]
  一つのテンプレート画像からテクスチャジェネレータを学習する。 NCAモデルで示される振る舞いは、テクスチャを生成するための学習された分散されたローカルアルゴリズムであると主張します。
  論文  参考訳（メタデータ） (2021-05-15T22:05:46Z)

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。