論文の概要: Efficient Reflectance Capture with a Deep Gated Mixture-of-Experts

• arxiv url: http://arxiv.org/abs/2203.15258v1
• Date: Tue, 29 Mar 2022 06:14:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-30 16:36:23.674595
• Title: Efficient Reflectance Capture with a Deep Gated Mixture-of-Experts
• Title（参考訳）: 深層混合実験による効率的な反射率キャプチャ
• Authors: Xiaohe Ma, Yaxin Yu, Hongzhi Wu, Kun Zhou
• Abstract要約: 画素非依存の方法で近平面異方性反射率を効率的に取得する新しい枠組みを提案する。 入力帯域幅は同じで改善され、帯域幅は均等な結果に対して約1/3に削減できる。
• 参考スコア（独自算出の注目度）: 17.285669984798975
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a novel framework to efficiently acquire near-planar anisotropic reflectance in a pixel-independent fashion, using a deep gated mixtureof-experts. While existing work employs a unified network to handle all possible input, our network automatically learns to condition on the input for enhanced reconstruction. We train a gating module to select one out of a number of specialized decoders for reflectance reconstruction, based on photometric measurements, essentially trading generality for quality. A common, pre-trained latent transform module is also appended to each decoder, to offset the burden of the increased number of decoders. In addition, the illumination conditions during acquisition can be jointly optimized. The effectiveness of our framework is validated on a wide variety of challenging samples using a near-field lightstage. Compared with the state-of-the-art technique, our results are improved at the same input bandwidth, and our bandwidth can be reduced to about 1/3 for equal-quality results.
• Abstract（参考訳）: 本稿では, 深層ゲート混合実験を用いて, 近接平面異方性反射率を画素非依存で効率的に取得する新しい枠組みを提案する。 既存の作業では,可能なすべての入力を処理するために統一的なネットワークを採用しているが,ネットワークは自動的に入力の条件を学習して再構築を行う。 我々は、反射率再構成のための多くの特殊なデコーダのうちの1つを選択するためにゲーティングモジュールをトレーニングした。 より多くのデコーダの負担を相殺するため、各デコーダに共通の事前学習された潜在変換モジュールが付加される。 また、取得時の照明条件を共同最適化することができる。 本フレームワークの有効性を,近距離場光ステージを用いた多種多様な課題試料で検証した。 最先端技術と比較すると,同じ入力帯域幅で結果が改善され,同等品質の場合,帯域幅が約1/3に低減できる。

関連論文リスト

• Unified-Width Adaptive Dynamic Network for All-In-One Image Restoration [50.81374327480445]
  本稿では, 複雑な画像劣化を基本劣化の観点で表現できる, という新しい概念を提案する。 We propose the Unified-Width Adaptive Dynamic Network (U-WADN) which consist of two pivotal components: a Width Adaptive Backbone (WAB) and a Width Selector (WS)。 提案したU-WADNは、最大32.3%のFLOPを同時に削減し、約15.7%のリアルタイム加速を実現している。
  論文  参考訳（メタデータ） (2024-01-24T04:25:12Z)
• RL-based Stateful Neural Adaptive Sampling and Denoising for Real-Time Path Tracing [1.534667887016089]
  モンテカルロ経路追跡は、現実的な画像合成の強力な手法であるが、低いサンプル数での高レベルのノイズに悩まされている。 本稿では,サンプリング重要度ネットワーク,遅延空間エンコーダネットワーク,デノイザネットワークをエンドツーエンドでトレーニングするフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-05T12:39:27Z)
• Enhancing Low-light Light Field Images with A Deep Compensation Unfolding Network [52.77569396659629]
  本稿では,低光環境下で撮像した光場(LF)画像の復元に,DCUNet(Deep compensation network openfolding)を提案する。 このフレームワークは、中間拡張結果を使用して照明マップを推定し、展開プロセスで新しい拡張結果を生成する。 本稿では,LF画像の特徴を適切に活用するために,擬似明示的特徴相互作用モジュールを提案する。
  論文  参考訳（メタデータ） (2023-08-10T07:53:06Z)
• Deep Quantigraphic Image Enhancement via Comparametric Equations [15.782217616496055]
  本稿では,低照度画像と照明マップから拡張画像への変換を多様化する,新しいトレーニング可能なモジュールを提案する。 提案手法は,深部画像強調の柔軟性を向上し,計算負荷を照明推定に制限し,様々なタスクの多様な要求に適応可能な教師なし学習を可能にする。
  論文  参考訳（メタデータ） (2023-04-05T08:14:41Z)
• DPFNet: A Dual-branch Dilated Network with Phase-aware Fourier Convolution for Low-light Image Enhancement [1.2645663389012574]
  低照度画像の高精細化は、低照度画像から通常の露光画像を復元することを目的とした古典的なコンピュータビジョン問題である。 この分野でよく使われる畳み込みニューラルネットワークは、空間領域の低周波局所構造の特徴をサンプリングするのに長けている。 周波数位相のセマンティクスの制約の下で高品質なテクスチャの詳細を復元できるフーリエ係数を用いた新しいモジュールを提案する。
  論文  参考訳（メタデータ） (2022-09-16T13:56:09Z)
• Plug-In Inversion: Model-Agnostic Inversion for Vision with Data Augmentations [61.95114821573875]
  単純な拡張セットに依存し、過剰なハイパーパラメータチューニングを必要としないPlug-In Inversionを導入する。 ImageNetデータセットでトレーニングされたビジョントランスフォーマー(ViT)とマルチ層パーセプトロン(MLP)を反転させることにより,我々のアプローチの実用性を説明する。
  論文  参考訳（メタデータ） (2022-01-31T02:12:45Z)
• Solar Potential Assessment using Multi-Class Buildings Segmentation from Aerial Images [3.180674374101366]
  出力に余分なクラスを追加することで、インスタンスセグメンテーションタスクに対して完全な畳み込みニューラルネットワークのパワーを利用する。 また,CutMix混合データ拡張とOne-Cycle学習率ポリシが,トレーニングデータに適合するより優れた正規化手法であることを示す。
  論文  参考訳（メタデータ） (2021-11-22T18:16:07Z)
• Controllable Data Augmentation Through Deep Relighting [75.96144853354362]
  我々は、既存のモデルが照度変化に不変である能力を改善するために、リライトを通じて様々な画像データセットを拡大する方法を探る。 我々は,エンコーダ・デコーダネットワークをベースとして,様々な入力シーンの照明の様々なバリエーションを迅速に生成できるツールを開発した。 パイプラインで拡張されたデータセットのモデルをトレーニングすることで、ローカライゼーションベンチマークでより高いパフォーマンスを実現することが可能であることを実証した。
  論文  参考訳（メタデータ） (2021-10-26T20:02:51Z)
• SDWNet: A Straight Dilated Network with Wavelet Transformation for Image Deblurring [23.86692375792203]
  画像劣化は、ぼやけた画像から鋭い画像を復元することを目的としたコンピュータビジョンの問題である。 我々のモデルは拡張畳み込みを用いて空間分解能の高い大きな受容場を得ることができる。 本稿では,ウェーブレット変換を用いた新しいモジュールを提案する。
  論文  参考訳（メタデータ） (2021-10-12T07:58:10Z)
• Universal and Flexible Optical Aberration Correction Using Deep-Prior Based Deconvolution [51.274657266928315]
  そこで本研究では,収差画像とpsfマップを入力とし,レンズ固有深層プリエントを組み込んだ潜在高品質版を生成する,psf対応プラグイン・アンド・プレイ深層ネットワークを提案する。 具体的には、多彩なレンズの集合からベースモデルを事前訓練し、パラメータを迅速に精製して特定のレンズに適応させる。
  論文  参考訳（メタデータ） (2021-04-07T12:00:38Z)
• Neural BRDF Representation and Importance Sampling [79.84316447473873]
  本稿では,リフレクタンスBRDFデータのコンパクトニューラルネットワークに基づく表現について述べる。 BRDFを軽量ネットワークとしてエンコードし、適応角サンプリングによるトレーニングスキームを提案する。 複数の実世界のデータセットから等方性および異方性BRDFの符号化結果を評価する。
  論文  参考訳（メタデータ） (2021-02-11T12:00:24Z)

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。