論文の概要: GARF: Gaussian Activated Radiance Fields for High Fidelity
Reconstruction and Pose Estimation
- arxiv url: http://arxiv.org/abs/2204.05735v1
- Date: Tue, 12 Apr 2022 12:14:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-13 13:08:27.717275
- Title: GARF: Gaussian Activated Radiance Fields for High Fidelity
Reconstruction and Pose Estimation
- Title（参考訳）: GARF:高忠実度再構成のためのガウス能動放射場とポース推定
- Authors: Shin-Fang Chng, Sameera Ramasinghe, Jamie Sherrah, Simon Lucey
- Abstract要約: 本稿では,新しい位置埋め込み自由なニューラルラジアンスフィールドアーキテクチャを提案する。
これは、高忠実度再構成とポーズ推定の観点から、現在の最先端技術よりも優れています。
- 参考スコア（独自算出の注目度）: 33.31631062877457
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Despite Neural Radiance Fields (NeRF) showing compelling results in
photorealistic novel views synthesis of real-world scenes, most existing
approaches require accurate prior camera poses. Although approaches for jointly
recovering the radiance field and camera pose exist (BARF), they rely on a
cumbersome coarse-to-fine auxiliary positional embedding to ensure good
performance. We present Gaussian Activated neural Radiance Fields (GARF), a new
positional embedding-free neural radiance field architecture - employing
Gaussian activations - that outperforms the current state-of-the-art in terms
of high fidelity reconstruction and pose estimation.
- Abstract（参考訳）: neural radiance fields (nerf)は、実世界のシーンを合成するフォトリアリスティックな斬新なビューの魅力的な結果を示しているが、既存のアプローチのほとんどは正確な事前カメラポーズを必要とする。
レージアンス場とカメラポーズを共同で回収するためのアプローチ(BARF)は存在するが、良好な性能を確保するために、粗い粗い位置埋め込みに依存している。
本稿では, ガウス能動型ニューラルレージアン場(GARF)について述べる。ガウス能動を用いた新しい位置埋め込み自由なニューラルレージアン場(GARF)は, 高忠実度再構成とポーズ推定の観点から, 現在の最先端技術を上回っている。
関連論文リスト
- Radiance Fields from Photons [18.15183252935672]
単一光子カメラ(SPC)を用いて個々の光子の粒度を学習する神経放射場である量子放射場を導入する。
シミュレーションとプロトタイプのSPCハードウェア,高速動作下での高忠実度再構成,低光域,超ダイナミックレンジ設定による実演を行った。
論文 参考訳（メタデータ） (2024-07-12T16:06:51Z) - ProvNeRF: Modeling per Point Provenance in NeRFs as a Stochastic Field [52.09661042881063]
テキストフィールドとしてNeRFのbfprovenance(可視な位置)をモデル化する手法を提案する。
我々は、NeRF最適化におけるポイントごとの精度のモデリングにより、新しいビュー合成と不確実性推定の改善につながる情報により、モデルが強化されることを示す。
論文 参考訳（メタデータ） (2024-01-16T06:19:18Z) - Pano-NeRF: Synthesizing High Dynamic Range Novel Views with Geometry
from Sparse Low Dynamic Range Panoramic Images [82.1477261107279]
そこで本研究では,Sparse LDRパノラマ画像からの照射場を用いて,忠実な幾何復元のための観測回数を増やすことを提案する。
実験により、照射場は幾何復元とHDR再構成の両方において最先端の手法より優れていることが示された。
論文 参考訳（メタデータ） (2023-12-26T08:10:22Z) - Pose-Free Neural Radiance Fields via Implicit Pose Regularization [117.648238941948]
IR-NeRFは、暗黙的なポーズ規則化を導入し、ポーズ推定器を非ポーズの実像で精査する革新的なポーズフリー神経放射場である。
特定のシーンの2D画像の収集により、IR-NeRFはシーンの特徴を記憶するシーンコードブックを構築し、シーン固有のポーズ分布を前もって暗黙的にキャプチャする。
論文 参考訳（メタデータ） (2023-08-29T06:14:06Z) - TensoIR: Tensorial Inverse Rendering [51.57268311847087]
テンソルIRはテンソル分解とニューラルフィールドに基づく新しい逆レンダリング手法である。
TensoRFは、放射場モデリングのための最先端のアプローチである。
論文 参考訳（メタデータ） (2023-04-24T21:39:13Z) - SiNeRF: Sinusoidal Neural Radiance Fields for Joint Pose Estimation and
Scene Reconstruction [147.9379707578091]
NeRFmmは、共同最適化タスクを扱うNeRF(Neural Radiance Fields)である。
NeRFmmは正確なシーン合成とポーズ推定を行うが、難しいシーンで完全に注釈付けされたベースラインを上回るのに苦戦している。
放射光マッピングにおける正弦波活性化を利用する正弦波ニューラルレイディアンス場(SiNeRF)と、効率よく光束を選択するための新しい混合領域サンプリング(MRS)を提案する。
論文 参考訳（メタデータ） (2022-10-10T10:47:51Z) - GNeRF: GAN-based Neural Radiance Field without Posed Camera [67.80805274569354]
gnerf(generative adversarial networks (gan) とニューラルネットワークのラジアンスフィールド再構成を組み合わせるためのフレームワーク)を,未知のカメラポーズでさえも複雑なシナリオで導入する。
提案手法は, 従来は非常に難易度の高い, 繰り返しパターンや低テクスチャの場面において, ベースラインを良好に向上させる。
論文 参考訳（メタデータ） (2021-03-29T13:36:38Z)
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。