論文の概要: Dressi: A Hardware-Agnostic Differentiable Renderer with Reactive Shader
Packing and Soft Rasterization
- arxiv url: http://arxiv.org/abs/2204.01386v1
- Date: Mon, 4 Apr 2022 11:07:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-05 16:30:09.517597
- Title: Dressi: A Hardware-Agnostic Differentiable Renderer with Reactive Shader
Packing and Soft Rasterization
- Title（参考訳）: Dressi: リアクティブシェーダパッケージとソフトラスタライゼーションを備えたハードウェア非依存の差別化レンダリング
- Authors: Yusuke Takimoto, Hiroyuki Sato, Hikari Takehara, Keishiro Uragaki,
Takehiro Tawara, Xiao Liang, Kentaro Oku, Wataru Kishimoto, Bo Zheng
- Abstract要約: 微分可能レンダリング(DR)は、勾配に基づく最適化を通じて様々なコンピュータグラフィックスやコンピュータビジョンの応用を可能にする。
一般化ベースのアプローチは、汎用自動微分(AD)ライブラリと、実行時を使って手作りのDR固有のモジュールに基づいて構築されている。
ハードウェアに依存しないDressiという,新しいフルAD設計をベースとした,実用的なハードウェア非依存の差別化手法を提案する。
- 参考スコア（独自算出の注目度）: 6.443504994276216
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Differentiable rendering (DR) enables various computer graphics and computer
vision applications through gradient-based optimization with derivatives of the
rendering equation. Most rasterization-based approaches are built on
general-purpose automatic differentiation (AD) libraries and DR-specific
modules handcrafted using CUDA. Such a system design mixes DR algorithm
implementation and algorithm building blocks, resulting in hardware dependency
and limited performance. In this paper, we present a practical
hardware-agnostic differentiable renderer called Dressi, which is based on a
new full AD design. The DR algorithms of Dressi are fully written in our
Vulkan-based AD for DR, Dressi-AD, which supports all primitive operations for
DR. Dressi-AD and our inverse UV technique inside it bring hardware
independence and acceleration by graphics hardware. Stage packing, our runtime
optimization technique, can adapt hardware constraints and efficiently execute
complex computational graphs of DR with reactive cache considering the render
pass hierarchy of Vulkan. HardSoftRas, our novel rendering process, is designed
for inverse rendering with a graphics pipeline. Under the limited
functionalities of the graphics pipeline, HardSoftRas can propagate the
gradients of pixels from the screen space to far-range triangle attributes. Our
experiments and applications demonstrate that Dressi establishes hardware
independence, high-quality and robust optimization with fast speed, and
photorealistic rendering.
- Abstract（参考訳）: 微分可能レンダリング(DR)は、勾配に基づく最適化を通じて様々なコンピュータグラフィックスやコンピュータビジョンの応用を可能にする。
ラスタライズに基づくほとんどのアプローチは、汎用自動微分(AD)ライブラリとCUDAを使って手作りのDR固有のモジュールに基づいている。
このようなシステム設計はDRアルゴリズムの実装とアルゴリズム構築ブロックを混合し、ハードウェア依存と性能の制限をもたらす。
本稿では,新しいフル広告デザインを基盤とした,ハードウェア非依存な微分可能レンダラである dressi を提案する。
DressiのDRアルゴリズムは、我々のVulkanベースのAD for DR、Dressi-ADで完全に書かれており、DRのすべてのプリミティブ操作をサポートしている。
ランタイム最適化技術であるステージパッキングは,ハードウェア制約に適応し,Vulkanのレンダリングパス階層を考慮したリアクティブキャッシュでDRの複雑な計算グラフを効率的に実行することができる。
私たちの新しいレンダリングプロセスであるHardSoftRasは、グラフィックパイプラインによる逆レンダリングのために設計されています。
グラフィックパイプラインの限られた機能の下では、ハードソフトラスは画面空間から遠方三角形属性へのピクセルの勾配を伝達することができる。
実験と応用により, dressiはハードウェアの独立性, 高速で高品質で堅牢な最適化, フォトリアリスティックなレンダリングを実現していることが示された。
関連論文リスト
- GUS-IR: Gaussian Splatting with Unified Shading for Inverse Rendering [83.69136534797686]
GUS-IRは、粗く光沢のある表面を特徴とする複雑なシーンの逆レンダリング問題に対処するために設計された新しいフレームワークである。
本稿では、逆レンダリング、フォワードシェーディング、遅延シェーディングに広く使われている2つの顕著なシェーディング技術を分析し、比較することから始める。
両手法の利点を組み合わせた統合シェーディングソリューションを提案する。
論文 参考訳（メタデータ） (2024-11-12T01:51:05Z) - FlashGS: Efficient 3D Gaussian Splatting for Large-scale and High-resolution Rendering [11.727367585102112]
FlashGSは、3D Gaussian Splattingの効率的な差別化を容易にするように設計されている。
FlashGSの性能評価は、多種多様な合成シーンと実世界の大規模シーンで行われている。
結果は、FlashGSの優れたパフォーマンスとリソース最適化能力を強調し、それを3Dレンダリングの領域における恐ろしいツールとして位置づけた。
論文 参考訳（メタデータ） (2024-08-15T06:27:42Z) - 3D Gaussian Ray Tracing: Fast Tracing of Particle Scenes [50.36933474990516]
本研究は, 粒子のトレーシング, 境界体積階層の構築, 高性能なレイトレーシングハードウェアを用いた各画素のレイキャストについて考察する。
半透明粒子の多量処理を効率的に行うために,有界メッシュで粒子をカプセル化するアルゴリズムについて述べる。
実験は、我々のアプローチの速度と精度、およびコンピュータグラフィックスとビジョンにおけるいくつかの応用を実証する。
論文 参考訳（メタデータ） (2024-07-09T17:59:30Z) - Image-GS: Content-Adaptive Image Representation via 2D Gaussians [55.15950594752051]
本稿では,コンテンツ適応型画像表現であるImage-GSを提案する。
異方性2Dガウスアンをベースとして、Image-GSは高いメモリ効率を示し、高速なランダムアクセスをサポートし、自然なレベルのディテールスタックを提供する。
画像-GSの一般的な効率性と忠実性は、最近のニューラルイメージ表現と業界標準テクスチャ圧縮機に対して検証される。
この研究は、機械認識、アセットストリーミング、コンテンツ生成など、適応的な品質とリソース制御を必要とする新しいアプリケーションを開発するための洞察を与えてくれることを願っている。
論文 参考訳（メタデータ） (2024-07-02T00:45:21Z) - FaceFolds: Meshed Radiance Manifolds for Efficient Volumetric Rendering of Dynamic Faces [21.946327323788275]
動的顔の3Dレンダリングは難しい問題である。
本稿では,アクターの動的顔パフォーマンスの高品質なレンダリングを可能にする新しい表現を提案する。
論文 参考訳（メタデータ） (2024-04-22T00:44:13Z) - Mondrian: On-Device High-Performance Video Analytics with Compressive
Packed Inference [7.624476059109304]
Mondrianは、高解像度ビデオストリーム上で高性能なオブジェクト検出を可能にするエッジシステムである。
我々は,1ピクセルあたりの処理コストを最小限に抑えるために,新しい圧縮パッケージ推論を考案した。
論文 参考訳（メタデータ） (2024-03-12T12:35:12Z) - EvaSurf: Efficient View-Aware Implicit Textured Surface Reconstruction on Mobile Devices [53.28220984270622]
モバイル端末に暗黙的テクスチャを付加したtextbfSurf$ace 再構成手法を提案する。
提案手法は,合成と実世界の両方のデータセット上で,高品質な外観と正確なメッシュを再構築することができる。
我々の方法は1つのGPUを使ってたった1～2時間でトレーニングでき、40FPS(Frames per second)以上のモバイルデバイス上で実行することができる。
論文 参考訳（メタデータ） (2023-11-16T11:30:56Z) - Flexible Techniques for Differentiable Rendering with 3D Gaussians [29.602516169951556]
ニューラル・ラディアンス・フィールズ(Neural Radiance Fields)は、フォトリアリスティック・ノベルビューが到達範囲内にあることを示した。
特に3次元水密メッシュと1線当たりのレンダリングによる代替形状表現の拡張を開発した。
これらの再構築は高速で堅牢で、GPUやCPU上で容易に実行できる。
論文 参考訳（メタデータ） (2023-08-28T17:38:31Z) - INR-Arch: A Dataflow Architecture and Compiler for Arbitrary-Order
Gradient Computations in Implicit Neural Representation Processing [66.00729477511219]
計算グラフとして表される関数を考えると、従来のアーキテクチャはn階勾配を効率的に計算する上で困難に直面している。
InR-Archは,n階勾配の計算グラフをハードウェア最適化データフローアーキテクチャに変換するフレームワークである。
1.8-4.8x と 1.5-3.6x の高速化を CPU と GPU のベースラインと比較した結果を示す。
論文 参考訳（メタデータ） (2023-08-11T04:24:39Z) - Deep Direct Volume Rendering: Learning Visual Feature Mappings From
Exemplary Images [57.253447453301796]
本稿では,ディープ・ダイレクト・ボリューム・レンダリング(Deep Direct Volume Rendering,DVR)を導入し,ディープ・ニューラル・ネットワークをDVRアルゴリズムに統合する。
潜在色空間におけるレンダリングを概念化し、深層アーキテクチャを用いて特徴抽出と分類のための暗黙マッピングを学習できるようにする。
我々の一般化は、画像空間の例から直接エンドツーエンドにトレーニングできる新しいボリュームレンダリングアーキテクチャを導き出すのに役立つ。
論文 参考訳（メタデータ） (2021-06-09T23:03:00Z) - Modular Primitives for High-Performance Differentiable Rendering [37.12883917723895]
既存の高度に最適化されたグラフィックスパイプラインによる従来の手法よりも優れた性能を実現するモジュール式微分可能設計を提案する。
我々の設計は、多くの三角形、属性、フィルタされたテクスチャルックアップ、およびユーザプログラマブルシェーディングと幾何処理といった、現代のグラフィックパイプラインにおけるすべての重要な操作をサポートします。
論文 参考訳（メタデータ） (2020-11-06T10:48:43Z)
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。