論文の概要: PRIF: Primary Ray-based Implicit Function

• arxiv url: http://arxiv.org/abs/2208.06143v1
• Date: Fri, 12 Aug 2022 07:23:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-15 13:18:51.401735
• Title: PRIF: Primary Ray-based Implicit Function
• Title（参考訳）: PRIF:プライマリレイベースのインシシット機能
• Authors: Brandon Yushan Feng, Yinda Zhang, Danhang Tang, Ruofei Du, Amitabh Varshney
• Abstract要約: プライマリレイベースインプリシット関数(PRIF)と呼ばれる新しい暗黙の形状表現を導入する。 PRIFは、高価な球追跡操作をすることなく、与えられた入力線の表面ヒットポイントを直接生成するように定式化される。 PRIFを符号化するために訓練されたニューラルネットワークは、単一形状表現、カテゴリワイドな形状生成、スパースまたはノイズの観測による形状完了、カメラポーズ推定のための逆レンダリング、色付きニューラルレンダリングなど、様々なタスクで成功を収めていることを実証する。
• 参考スコア（独自算出の注目度）: 21.787031489881606
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce a new implicit shape representation called Primary Ray-based Implicit Function (PRIF). In contrast to most existing approaches based on the signed distance function (SDF) which handles spatial locations, our representation operates on oriented rays. Specifically, PRIF is formulated to directly produce the surface hit point of a given input ray, without the expensive sphere-tracing operations, hence enabling efficient shape extraction and differentiable rendering. We demonstrate that neural networks trained to encode PRIF achieve successes in various tasks including single shape representation, category-wise shape generation, shape completion from sparse or noisy observations, inverse rendering for camera pose estimation, and neural rendering with color.
• Abstract（参考訳）: プライマリレイベースインプリシット関数 (PRIF) と呼ばれる新しい暗黙的形状表現を導入する。 空間的位置を扱う符号付き距離関数(SDF)に基づく既存のほとんどのアプローチとは対照的に、我々の表現は向き付けられた光線で動く。 具体的には、PRIFは、高価な球追跡操作をすることなく、所定の入力線の表面ヒット点を直接生成し、効率的な形状抽出と微分レンダリングを可能にする。 PRIFを符号化するために訓練されたニューラルネットワークは、単一形状表現、カテゴリワイドな形状生成、スパースまたはノイズの観測による形状完了、カメラポーズ推定のための逆レンダリング、色付きニューラルレンダリングなど、様々なタスクで成功を収めている。

関連論文リスト

• Normal-guided Detail-Preserving Neural Implicit Functions for High-Fidelity 3D Surface Reconstruction [6.4279213810512665]
  RGBまたはRGBD画像からニューラル暗黙表現を学習する現在の方法は、欠落した部分と詳細を持つ3D曲面を生成する。 本稿では,1次微分特性を持つニューラル表現のトレーニング,すなわち表面正規化が,高精度な3次元表面再構成をもたらすことを示す。
  論文  参考訳（メタデータ） (2024-06-07T11:48:47Z)
• Probabilistic Directed Distance Fields for Ray-Based Shape Representations [8.134429779950658]
  Directed Distance Fields (DDF) は、古典的な距離場の上に構築された新しいニューラルな形状表現である。 基礎分野における本質的な不連続性をモデル化する方法を示す。 次に, 単一形状のフィッティング, 生成モデリング, 単一像の3次元再構成など, DDFを応用した。
  論文  参考訳（メタデータ） (2024-04-13T21:02:49Z)
• LISR: Learning Linear 3D Implicit Surface Representation Using Compactly Supported Radial Basis Functions [5.056545768004376]
  部分的かつノイズの多い3次元点雲スキャンから物体を3次元表面で再構成することは、古典的な幾何学処理と3次元コンピュータビジョンの問題である。 本稿では,物体の3次元表面の線形暗黙的形状表現を学習するためのニューラルネットワークアーキテクチャを提案する。 提案手法は,ベンチマークデータセットの最先端手法よりも,チャムファー距離と同等のFスコアを実現する。
  論文  参考訳（メタデータ） (2024-02-11T20:42:49Z)
• DNS SLAM: Dense Neural Semantic-Informed SLAM [92.39687553022605]
  DNS SLAMは、ハイブリッド表現を備えた新しいRGB-DセマンティックSLAMアプローチである。 本手法は画像に基づく特徴抽出と多視点幾何制約を統合し,外観の細部を改良する。 実験により, 合成データと実世界のデータ追跡の両面において, 最先端の性能が得られた。
  論文  参考訳（メタデータ） (2023-11-30T21:34:44Z)
• Multiscale Representation for Real-Time Anti-Aliasing Neural Rendering [84.37776381343662]
  Mip-NeRFは、スケール情報をエンコードする円錐フラストラムとしてマルチスケール表現を提案する。 我々は,リアルタイムなアンチエイリアスレンダリングのためのマルチスケールな明示的表現であるmip voxel grids (Mip-VoG)を提案する。 私たちのアプローチは、マルチスケールのトレーニングとリアルタイムのアンチエイリアスレンダリングを同時に提供する最初の方法です。
  論文  参考訳（メタデータ） (2023-04-20T04:05:22Z)
• $PC^2$: Projection-Conditioned Point Cloud Diffusion for Single-Image 3D Reconstruction [97.06927852165464]
  単一のRGB画像から物体の3次元形状を再構築することは、コンピュータビジョンにおける長年の課題である。 条件付き偏光拡散プロセスによりスパース点雲を生成する単一像3次元再構成法を提案する。
  論文  参考訳（メタデータ） (2023-02-21T13:37:07Z)
• Neural Poisson: Indicator Functions for Neural Fields [25.41908065938424]
  3次元形状の符号付き距離場表現(SDF)は顕著な進展を示した。 本稿では,3次元シーンのニューラルフィールド表現のための新しいパラダイムを提案する。 提案手法は, 合成3次元シーンデータと実写3次元シーンデータの両方に対して, 最先端の再構築性能を示す。
  論文  参考訳（メタデータ） (2022-11-25T17:28:22Z)
• Shape, Pose, and Appearance from a Single Image via Bootstrapped Radiance Field Inversion [54.151979979158085]
  提案手法では,自然画像に対する基本的エンドツーエンド再構築フレームワークを導入し,正確な地平のポーズが得られない。 そこで,モデルが解の第一の推算を生成するハイブリッド・インバージョン・スキームを適用する。 当社のフレームワークでは,イメージを10ステップでデレンダリングすることが可能で,現実的なシナリオで使用することが可能です。
  論文  参考訳（メタデータ） (2022-11-21T17:42:42Z)
• Occupancy Planes for Single-view RGB-D Human Reconstruction [120.5818162569105]
  暗黙的な機能を持つシングルビューRGB-Dヒト再構成は、しばしばポイント単位の分類として定式化される。 本稿では,カメラの視野フラストラムをスライスする平面上での占有率予測として,一視点のRGB-D人間の再構成を定式化できる占有面(OPlanes)表現を提案する。
  論文  参考訳（メタデータ） (2022-08-04T17:59:56Z)
• Deep Implicit Surface Point Prediction Networks [49.286550880464866]
  暗黙の関数としての3次元形状の深い神経表現は、高忠実度モデルを生成することが示されている。 本稿では,CSP(Nest Surface-point)表現と呼ばれる新しい種類の暗黙の表現を用いて,そのような曲面をモデル化する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2021-06-10T14:31:54Z)

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。