論文の概要: TensoRF: Tensorial Radiance Fields

• arxiv url: http://arxiv.org/abs/2203.09517v1
• Date: Thu, 17 Mar 2022 17:59:59 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-18 15:20:18.259601
• Title: TensoRF: Tensorial Radiance Fields
• Title（参考訳）: 天相RF:天空放射場
• Authors: Anpei Chen and Zexiang Xu and Andreas Geiger and Jingyi Yu and Hao Su
• Abstract要約: 本稿では、放射場をモデル化・再構成するための新しいアプローチであるTensoRFを提案する。 我々は,シーンの放射界を4次元テンソルとしてモデル化し,ボクセルごとのマルチチャネル特徴を持つ3次元ボクセル格子を表現した。 CP分解したTensoRFは高速な再構成(30分)を実現し,レンダリング品質が向上し,NeRFに比べてモデルサイズが小さい(4MB)。
• 参考スコア（独自算出の注目度）: 74.16791688888081
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We present TensoRF, a novel approach to model and reconstruct radiance fields. Unlike NeRF that purely uses MLPs, we model the radiance field of a scene as a 4D tensor, which represents a 3D voxel grid with per-voxel multi-channel features. Our central idea is to factorize the 4D scene tensor into multiple compact low-rank tensor components. We demonstrate that applying traditional CP decomposition -- that factorizes tensors into rank-one components with compact vectors -- in our framework leads to improvements over vanilla NeRF. To further boost performance, we introduce a novel vector-matrix (VM) decomposition that relaxes the low-rank constraints for two modes of a tensor and factorizes tensors into compact vector and matrix factors. Beyond superior rendering quality, our models with CP and VM decompositions lead to a significantly lower memory footprint in comparison to previous and concurrent works that directly optimize per-voxel features. Experimentally, we demonstrate that TensoRF with CP decomposition achieves fast reconstruction (<30 min) with better rendering quality and even a smaller model size (<4 MB) compared to NeRF. Moreover, TensoRF with VM decomposition further boosts rendering quality and outperforms previous state-of-the-art methods, while reducing the reconstruction time (<10 min) and retaining a compact model size (<75 MB).
• Abstract（参考訳）: 放射場をモデル化し再構成する新しいアプローチであるtensorfを提案する。 純粋にmlpを使用するnerfとは異なり、シーンの放射場を4dテンソルとしてモデル化し、ボクセル単位のマルチチャネル特徴を持つ3dボクセルグリッドを表現する。 我々の中心となる考え方は、4Dシーンテンソルを複数のコンパクト低ランクテンソルコンポーネントに分解することである。 従来のcp分解 -- テンソルをコンパクトベクタを持つランク1のコンポーネントに分解する -- をフレームワークに適用することで,バニラnerfよりも改善できることを実証した。 さらに,テンソルの2つのモードに対する低ランク制約を緩和し,テンソルをコンパクトなベクトル因子と行列因子に分解する新しいベクター行列分解法を導入する。 優れたレンダリング品質の他に、CPとVMの分解を伴うモデルでは、従来のVoxel機能を直接最適化する並行処理と比較して、メモリフットプリントが大幅に低下します。 実験により, CP分解したTensoRFは高速な再構成 (30分) を実現し, レンダリング精度が良く, モデルサイズもNeRFに比べて小さい (4MB) 。 さらに、VM分解を伴うTensoRFは、レンダリング品質をさらに向上し、従来の最先端手法よりも優れ、再構成時間(10分)を短縮し、コンパクトモデルサイズ(75MB)を維持する。

関連論文リスト

• SVDQuant: Absorbing Outliers by Low-Rank Components for 4-Bit Diffusion Models [58.5019443418822]
  拡散モデルは高品質な画像を生成するのに非常に効果的であることが証明されている。 これらのモデルが大きくなるにつれて、メモリが大幅に増加し、レイテンシの低下に悩まされる。 本研究では,その重みとアクティベーションを4ビットに定量化し,拡散モデルの高速化を目指す。
  論文  参考訳（メタデータ） (2024-11-07T18:59:58Z)
• HybridNeRF: Efficient Neural Rendering via Adaptive Volumetric Surfaces [71.1071688018433]
  ニューラル放射場は、最先端のビュー合成品質を提供するが、レンダリングが遅くなる傾向がある。 本稿では,ほとんどの物体を表面としてレンダリングすることで,両表現の強みを生かしたHybridNeRFを提案する。 仮想現実分解能(2Kx2K)のリアルタイムフレームレート(少なくとも36FPS)を達成しながら、エラー率を15～30%改善する。
  論文  参考訳（メタデータ） (2023-12-05T22:04:49Z)
• VQ-NeRF: Vector Quantization Enhances Implicit Neural Representations [25.88881764546414]
  VQ-NeRFは、ベクトル量子化による暗黙の神経表現を強化するための効率的なパイプラインである。 圧縮および原スケールの両スケールでNeRFモデルを同時に最適化する,革新的なマルチスケールNeRFサンプリング方式を提案する。 我々は3次元再構成の幾何学的忠実度とセマンティックコヒーレンスを改善するためにセマンティックロス関数を組み込んだ。
  論文  参考訳（メタデータ） (2023-10-23T01:41:38Z)
• Strivec: Sparse Tri-Vector Radiance Fields [40.66438698104296]
  Strivecは、3Dシーンをわずかに分散されコンパクトに分解された局所テンソル特徴格子を持つ放射場としてモデル化する新しい表現である。 我々は,従来の手法よりもはるかに少ないパラメータを使用しながら,レンダリング品質を向上できることを実証した。
  論文  参考訳（メタデータ） (2023-07-25T03:30:09Z)
• Low-rank Tensor Assisted K-space Generative Model for Parallel Imaging Reconstruction [14.438899814473446]
  並列画像再構成のための低ランクテンソル支援k空間生成モデル(LR-KGM)を提案する。 これは、学習のための元の事前情報を高次元の事前情報に変換することを意味する。 実験により, LR-KGM法は高い性能を示した。
  論文  参考訳（メタデータ） (2022-12-11T13:34:43Z)
• D-TensoRF: Tensorial Radiance Fields for Dynamic Scenes [2.587781533364185]
  動的シーンのための合成放射場D-TensoRFを提案する。 格子をランク1ベクトル成分(CP分解)またはローランク行列成分(MM分解)に分解する。 CP分解とMM分解を併用したD-TensoRFでは,トレーニング時間が短く,メモリフットプリントも著しく低かった。
  論文  参考訳（メタデータ） (2022-12-05T15:57:55Z)
• Quaternion Factorization Machines: A Lightweight Solution to Intricate Feature Interaction Modelling [76.89779231460193]
  factorization machine(fm)は、機能間の高次インタラクションを自動的に学習し、手動の機能エンジニアリングを必要とせずに予測を行うことができる。 本研究では,スパース予測解析のためのQFM(Quaternion factorization Machine)とQNFM(Quaternion neural factorization Machine)を提案する。
  論文  参考訳（メタデータ） (2021-04-05T00:02:36Z)
• Learning Deformable Tetrahedral Meshes for 3D Reconstruction [78.0514377738632]
  学習に基づく3次元再構成に対応する3次元形状表現は、機械学習とコンピュータグラフィックスにおいてオープンな問題である。 ニューラル3D再構成に関するこれまでの研究は、利点だけでなく、ポイントクラウド、ボクセル、サーフェスメッシュ、暗黙の関数表現といった制限も示していた。 Deformable Tetrahedral Meshes (DefTet) を, ボリューム四面体メッシュを再構成問題に用いるパラメータ化として導入する。
  論文  参考訳（メタデータ） (2020-11-03T02:57:01Z)
• Compressing Recurrent Neural Networks Using Hierarchical Tucker Tensor Decomposition [39.76939368675827]
  リカレントニューラルネットワーク(RNN)はシーケンス解析やモデリングに広く利用されている。 RNNは通常、高次元データを処理する際に非常に大きなモデルサイズを必要とする。 階層タッカー(HT)分解を用いたコンパクトRNNモデルを提案する。
  論文  参考訳（メタデータ） (2020-05-09T05:15:20Z)
• Multi-View Spectral Clustering Tailored Tensor Low-Rank Representation [105.33409035876691]
  本稿では,テンソル低ランクモデルに基づくマルチビュースペクトルクラスタリング(MVSC)の問題について検討する。 MVSCに適合する新しい構造テンソル低ランクノルムを設計する。 提案手法は最先端の手法よりもかなり優れていることを示す。
  論文  参考訳（メタデータ） (2020-04-30T11:52:12Z)

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。