Fugu-MT 論文翻訳(概要): Cross-Spectral Neural Radiance Fields

論文の概要: Cross-Spectral Neural Radiance Fields

arxiv url: http://arxiv.org/abs/2209.00648v1
Date: Thu, 1 Sep 2022 17:59:58 GMT
ステータス: 翻訳完了
システム内更新日: 2022-09-02 14:02:01.857886
Title: Cross-Spectral Neural Radiance Fields
Title（参考訳）: クロススペクトル神経放射場
Authors: Matteo Poggi, Pierluigi Zama Ramirez, Fabio Tosi, Samuele Salti, Stefano Mattoccia, Luigi Di Stefano
Abstract要約: X-NeRFは、異なる光スペクトル感度のカメラから撮影した画像から、クロススペクトルのシーン表現を学習するための新しい手法である。 X-NeRFは正規化されたクロスデバイス座標(NXDC)を利用して、任意の視点から異なるモードの画像を描画する。
参考スコア（独自算出の注目度）: 49.28588927121722
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose X-NeRF, a novel method to learn a Cross-Spectral scene representation given images captured from cameras with different light spectrum sensitivity, based on the Neural Radiance Fields formulation. X-NeRF optimizes camera poses across spectra during training and exploits Normalized Cross-Device Coordinates (NXDC) to render images of different modalities from arbitrary viewpoints, which are aligned and at the same resolution. Experiments on 16 forward-facing scenes, featuring color, multi-spectral and infrared images, confirm the effectiveness of X-NeRF at modeling Cross-Spectral scene representations.
Abstract（参考訳）: ニューラル・ラミアンス・フィールドの定式化に基づき、異なる光スペクトル感度のカメラから撮像された画像からクロススペクトルのシーン表現を学習する新しい手法であるx-nerfを提案する。 x-nerfはトレーニング中にカメラのポーズを最適化し、正規化クロスデバイス座標(nxdc)を利用して任意の視点から異なるモダリティの画像を描画する。カラー・マルチスペクトル・赤外線画像を用いた16面前向きシーンの実験により,クロススペクトルシーン表現のモデル化におけるX-NeRFの有効性が確認された。

関連論文リスト

CARL: Camera-Agnostic Representation Learning for Spectral Image Analysis [75.25966323298003]
スペクトルイメージングは、医療や都市景観の理解など、様々な領域で有望な応用を提供する。スペクトルカメラのチャネル次元と捕獲波長のばらつきは、AI駆動方式の開発を妨げる。我々は、$textbfC$amera-$textbfA$gnostic $textbfR$esupervised $textbfL$のモデルである$textbfCARL$を紹介した。
論文参考訳（メタデータ） (2025-04-27T13:06:40Z)
XPoint: A Self-Supervised Visual-State-Space based Architecture for Multispectral Image Registration [2.7036595757881323]
XPointは、アダプティブトレーニングと、アライメントされたマルチスペクトルデータセットの微調整のための、自己教師付き、モジュール化された画像マッチングフレームワークである。 XPointはモジュラリティと自己スーパービジョンを採用し、ベース検出器のような要素の調整を可能にしている。 XPointは、機能マッチングや画像登録タスクにおいて、最先端のメソッドを一貫して上回るか、マッチする。
論文参考訳（メタデータ） (2024-11-11T23:12:08Z)
Towards virtual painting recolouring using Vision Transformer on X-Ray Fluorescence datacubes [80.32085982862151]
画像アートにおけるX線蛍光(XRF)分析の生データを用いて仮想絵画再構成を行うパイプラインを定義する。データセットサイズを小さくするために、XRFスペクトルのデータベースから始まる合成データセットを生成する。我々は、XRFスペクトルを低次元K平均対応計量空間に埋め込むための深部変分埋め込みネットワークを定義する。
論文参考訳（メタデータ） (2024-10-11T14:05:28Z)
TeX-NeRF: Neural Radiance Fields from Pseudo-TeX Vision [5.77388464529179]
赤外線画像のみを用いた3次元再構成法Ne-RFを提案する。我々は、シーンの温度、放射性(e)、テクスチャ(X)を彩度(S)、色空間の色調(H)、値(V)チャネルにマッピングする。処理した画像を用いた新しいビュー合成は優れた結果を得た。
論文参考訳（メタデータ） (2024-10-07T09:43:28Z)
FusionRF: High-Fidelity Satellite Neural Radiance Fields from Multispectral and Panchromatic Acquisitions [38.55830312265355]
衛星マルチスペクトルおよびパンクロマティック画像からのデジタル表面再構成のための新しいフレームワークであるFusionRFを紹介する。その結果,FusionRFは深度復元精度を平均17%向上し,鋭いトレーニングと新規な視点を呈することがわかった。
論文参考訳（メタデータ） (2024-09-23T15:38:03Z)
NeRF-Casting: Improved View-Dependent Appearance with Consistent Reflections [57.63028964831785]
最近の研究は、遠方の環境照明の詳細な明細な外観を描画するNeRFの能力を改善しているが、近い内容の一貫した反射を合成することはできない。我々はこれらの問題をレイトレーシングに基づくアプローチで解決する。このモデルでは、それぞれのカメラ線に沿った点における視界依存放射率を求めるために高価なニューラルネットワークをクエリする代わりに、これらの点から光を流し、NeRF表現を通して特徴ベクトルを描画します。
論文参考訳（メタデータ） (2024-05-23T17:59:57Z)
SpectralNeRF: Physically Based Spectral Rendering with Neural Radiance Field [70.15900280156262]
本稿では,新しいスペクトルの観点から,高品質な物理ベースレンダリングのためのエンドツーエンドニューラルラジアンスフィールド(NeRF)アーキテクチャを提案する。スペクトルNeRFは、合成データセットと実データセットの新しいビューを合成する際に、最近のNeRFベースの方法よりも優れている。
論文参考訳（メタデータ） (2023-12-14T07:19:31Z)
Spec-NeRF: Multi-spectral Neural Radiance Fields [9.242830798112855]
異なるフィルタでフィルタされたカラー画像の集合から,マルチスペクトルレーダランス場とスペクトル感度関数(SSF)を共同で再構成する多スペクトルニューラルレイダランス場(Spec-NeRF)を提案する。合成シナリオと実シナリオの両方を対象とした実験により, フィルタされたRGB画像と学習可能なNeRF, SSFを併用することで, 高い忠実度と有望なスペクトル再構成が達成できることを示した。
論文参考訳（メタデータ） (2023-09-14T16:17:55Z)
HDR-NeRF: High Dynamic Range Neural Radiance Fields [70.80920996881113]
我々は、低ダイナミックレンジ(LDR)ビューの集合からHDR放射界を異なる露光で復元するために、高ダイナミックレンジニューラルレイディアンス場(-NeRF)を提案する。異なる露出下で、新しいHDRビューと新しいLDRビューの両方を生成することができる。
論文参考訳（メタデータ） (2021-11-29T11:06:39Z)
NeRF++: Analyzing and Improving Neural Radiance Fields [117.73411181186088]
ニューラル・レージアンス・フィールド(NeRF)は、様々なキャプチャ設定のための印象的なビュー合成結果を達成する。 NeRFは、ビュー不変不透明度とビュー依存カラーボリュームを表す多層パーセプトロンを一連のトレーニング画像に適合させる。大規模3次元シーンにおける物体の360度捕獲にNeRFを適用する際のパラメトリゼーション問題に対処する。
論文参考訳（メタデータ） (2020-10-15T03:24:14Z)

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。