論文の概要: Approximate Differentiable Rendering with Algebraic Surfaces

• arxiv url: http://arxiv.org/abs/2207.10606v1
• Date: Thu, 21 Jul 2022 16:59:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-22 12:31:42.633889
• Title: Approximate Differentiable Rendering with Algebraic Surfaces
• Title（参考訳）: 代数表面による近似微分レンダリング
• Authors: Leonid Keselman, Martial Hebert
• Abstract要約: ファジィメタボールはコンパクトで解釈可能な表現に対して近似微分可能である。 我々の近似は、深度マップとシルエットによる形状の描画に焦点を当てている。 メッシュベースの微分可能値と比較して、我々の手法は前方パスが5倍速く、後方パスが30倍高速である。
• 参考スコア（独自算出の注目度）: 24.7500811470085
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Differentiable renderers provide a direct mathematical link between an object's 3D representation and images of that object. In this work, we develop an approximate differentiable renderer for a compact, interpretable representation, which we call Fuzzy Metaballs. Our approximate renderer focuses on rendering shapes via depth maps and silhouettes. It sacrifices fidelity for utility, producing fast runtimes and high-quality gradient information that can be used to solve vision tasks. Compared to mesh-based differentiable renderers, our method has forward passes that are 5x faster and backwards passes that are 30x faster. The depth maps and silhouette images generated by our method are smooth and defined everywhere. In our evaluation of differentiable renderers for pose estimation, we show that our method is the only one comparable to classic techniques. In shape from silhouette, our method performs well using only gradient descent and a per-pixel loss, without any surrogate losses or regularization. These reconstructions work well even on natural video sequences with segmentation artifacts. Project page: https://leonidk.github.io/fuzzy-metaballs
• Abstract（参考訳）: 微分可能なレンダラは、オブジェクトの3d表現とオブジェクトの画像との直接的な数学的リンクを提供する。 本研究では,ファジィメタボールと呼ばれるコンパクトで解釈可能な表現のための近似微分可能レンダラを開発した。 近似レンダラは深度マップとシルエットによる形状のレンダリングに焦点を当てている。 ユーティリティの忠実さを犠牲にして、高速なランタイムと、ビジョンタスクの解決に使用できる高品質の勾配情報を生成する。 メッシュベースの微分可能なレンダラと比較して,提案手法はフォワードパスが5倍高速で後方パスが30倍高速である。 提案手法により生成された深度マップとシルエット画像は, 至る所でスムーズに定義されている。 ポーズ推定のための微分可能なレンダラーの評価において,従来の手法に匹敵する手法は本手法のみであることを示す。 シルエットから形状は, 勾配降下と画素当たりの損失のみを用い, サーロゲート損失や正規化を伴わずに良好に機能する。 これらの再構成は、セグメンテーションアーティファクトを持つ自然なビデオシーケンスでもうまく機能する。 プロジェクトページ: https://leonidk.github.io/fuzzy-metaballs

関連論文リスト

• EVER: Exact Volumetric Ellipsoid Rendering for Real-time View Synthesis [72.53316783628803]
  実時間微分可能な発光専用ボリュームレンダリング法であるExact Volumetric Ellipsoid Rendering (EVER)を提案する。 3D Gaussian Splatting(3DGS)による最近の手法とは異なり、プリミティブベースの表現は正確なボリュームレンダリングを可能にする。 本手法は,3DGSよりもブレンディング問題の方が精度が高く,ビューレンダリングの追従作業も容易であることを示す。
  論文  参考訳（メタデータ） (2024-10-02T17:59:09Z)
• Bridging 3D Gaussian and Mesh for Freeview Video Rendering [57.21847030980905]
  GauMeshはダイナミックシーンのモデリングとレンダリングのために3D GaussianとMeshをブリッジする。 提案手法は, 動的シーンの異なる部分を表現するために, プリミティブの適切なタイプに適応することを示す。
  論文  参考訳（メタデータ） (2024-03-18T04:01:26Z)
• FLARE: Fast Learning of Animatable and Relightable Mesh Avatars [64.48254296523977]
  私たちのゴールは、幾何学的に正確で、リアルで、楽しい、現在のレンダリングシステムと互換性のあるビデオから、パーソナライズ可能な3Dアバターを効率的に学習することです。 単眼ビデオからアニマタブルアバターとリライトブルアバターの作成を可能にする技術であるFLAREを紹介する。
  論文  参考訳（メタデータ） (2023-10-26T16:13:00Z)
• 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)
• Differentiable Blocks World: Qualitative 3D Decomposition by Rendering Primitives [70.32817882783608]
  本稿では,3次元プリミティブを用いて,シンプルでコンパクトで動作可能な3次元世界表現を実現する手法を提案する。 既存の3次元入力データに依存するプリミティブ分解法とは異なり,本手法は画像を直接操作する。 得られたテクスチャ化されたプリミティブは入力画像を忠実に再構成し、視覚的な3Dポイントを正確にモデル化する。
  論文  参考訳（メタデータ） (2023-07-11T17:58:31Z)
• HQ3DAvatar: High Quality Controllable 3D Head Avatar [65.70885416855782]
  本稿では,高フォトリアリスティックなデジタルヘッドアバターを構築するための新しいアプローチを提案する。 本手法はニューラルネットワークによってパラメータ化された暗黙関数を用いて標準空間を学習する。 テスト時,本手法は単眼のRGBビデオによって駆動される。
  論文  参考訳（メタデータ） (2023-03-25T13:56:33Z)
• Geometric Correspondence Fields: Learned Differentiable Rendering for 3D Pose Refinement in the Wild [96.09941542587865]
  野生の任意のカテゴリのオブジェクトに対する微分可能レンダリングに基づく新しい3次元ポーズ精細化手法を提案する。 このようにして、3DモデルとRGB画像のオブジェクトを正確に整列し、3Dポーズ推定を大幅に改善する。 我々は、Pix3Dデータセットの挑戦に対するアプローチを評価し、複数のメトリクスにおける最先端の精錬手法と比較して、最大55%の改善を実現した。
  論文  参考訳（メタデータ） (2020-07-17T12:34:38Z)

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。