論文の概要: A General Scattering Phase Function for Inverse Rendering

• arxiv url: http://arxiv.org/abs/2209.13875v1
• Date: Wed, 28 Sep 2022 07:19:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-29 18:07:32.436254
• Title: A General Scattering Phase Function for Inverse Rendering
• Title（参考訳）: 逆レンダリングのための一般散乱位相関数
• Authors: Thanh-Trung Ngo and Hajime Nagahara
• Abstract要約: 均一な半透明材料における光散乱のモデル化問題に取り組む。 散乱位相関数は散乱放射の分布に影響を与えるパラメータの1つである。
• 参考スコア（独自算出の注目度）: 11.197130049952715
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We tackle the problem of modeling light scattering in homogeneous translucent material and estimating its scattering parameters. A scattering phase function is one of such parameters which affects the distribution of scattered radiation. It is the most complex and challenging parameter to be modeled in practice, and empirical phase functions are usually used. Empirical phase functions (such as Henyey-Greenstein (HG) phase function or its modified ones) are usually presented and limited to a specific range of scattering materials. This limitation raises concern for an inverse rendering problem where the target material is generally unknown. In such a situation, a more general phase function is preferred. Although there exists such a general phase function in the polynomial form using a basis such as Legendre polynomials \cite{Fowler1983}, inverse rendering with this phase function is not straightforward. This is because the base polynomials may be negative somewhere, while a phase function cannot. This research presents a novel general phase function that can avoid this issue and an inverse rendering application using this phase function. The proposed phase function was positively evaluated with a wide range of materials modeled with Mie scattering theory. The scattering parameters estimation with the proposed phase function was evaluated with simulation and real-world experiments.
• Abstract（参考訳）: 均一な半透明材料の光散乱をモデル化し、散乱パラメータを推定する問題に取り組む。 散乱位相関数は、散乱放射の分布に影響を与えるパラメータの1つである。 これは実際にモデル化される最も複雑で困難なパラメータであり、経験的位相関数は通常使用される。 経験的位相関数(ヘニー・グリーンスタイン(HG)相関数やその修正相関数など)は、通常、特定の散乱材料に限られる。 この制限は、対象物質が一般に未知である逆レンダリング問題に対する懸念を引き起こす。 このような状況では、より一般的な位相関数が好ましい。 ルジャンドル多項式 \cite{Fowler 1983} のような基底を用いた多項式形式にそのような一般位相関数が存在するが、この位相関数による逆レンダリングは単純ではない。 これは基底多項式がどこかで負であり、位相函数は不可能であるからである。 本研究では,この問題を回避できる新しい一般位相関数と,この位相関数を用いた逆レンダリングアプリケーションを提案する。 提案した位相関数は三重散乱理論をモデルとした幅広い材料で正に評価された。 シミュレーションおよび実世界の実験により, 位相関数を用いた散乱パラメータの推定を行った。

関連論文リスト

• Understanding Diffusion Models by Feynman's Path Integral [2.4373900721120285]
  ファインマン積分経路を用いた拡散モデルの新しい定式化を導入する。 この定式化はスコアベース生成モデルの包括的記述を提供する。 また、後方微分方程式と損失関数の導出を示す。
  論文  参考訳（メタデータ） (2024-03-17T16:24:29Z)
• Large deviations rates for stochastic gradient descent with strongly convex functions [11.247580943940916]
  勾配降下を伴う一般高確率境界の研究のための公式な枠組みを提供する。 強い凸関数を持つSGDの上限となる大きな偏差が見つかる。
  論文  参考訳（メタデータ） (2022-11-02T09:15:26Z)
• Stochastic Langevin Differential Inclusions with Applications to Machine Learning [5.274477003588407]
  ランゲヴィン型微分包含物の流動と性質に関する基礎的な結果を示す。 特に、解の存在が強く、また自由エネルギー関数の正準最小化が示される。
  論文  参考訳（メタデータ） (2022-06-23T08:29:17Z)
• Experimental Design for Linear Functionals in Reproducing Kernel Hilbert Spaces [102.08678737900541]
  線形汎関数に対するバイアス認識設計のためのアルゴリズムを提供する。 準ガウス雑音下での固定および適応設計に対する漸近的でない信頼集合を導出する。
  論文  参考訳（メタデータ） (2022-05-26T20:56:25Z)
• Efficient CDF Approximations for Normalizing Flows [64.60846767084877]
  正規化フローの微分同相性に基づいて、閉領域上の累積分布関数(CDF)を推定する。 一般的なフローアーキテクチャとUCIデータセットに関する実験は,従来の推定器と比較して,サンプル効率が著しく向上したことを示している。
  論文  参考訳（メタデータ） (2022-02-23T06:11:49Z)
• Phase function estimation from a diffuse optical image via deep learning [10.270471342511904]
  位相関数はモンテカルロ(MC)シミュレーションのための光伝搬モデルの鍵となる要素である。 近年,Henyey-Greenstein相関数のような特定の形態の位相関数のパラメータを推定する機械学習手法が報告されている。 ここでは、位相関数の形式に関する明示的な仮定なしで拡散光学画像から位相関数を推定する畳み込みニューラルネットワークを設計する。
  論文  参考訳（メタデータ） (2021-11-16T04:59:25Z)
• Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
  実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。 特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。 本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
  論文  参考訳（メタデータ） (2021-02-12T12:23:13Z)
• Variational Transport: A Convergent Particle-BasedAlgorithm for Distributional Optimization [106.70006655990176]
  分散最適化問題は機械学習や統計学で広く発生する。 本稿では,変分輸送と呼ばれる粒子に基づく新しいアルゴリズムを提案する。 目的関数がpolyak-Lojasiewicz (PL) (Polyak, 1963) の機能バージョンと滑らかな条件を満たすとき、変分輸送は線形に収束することを示す。
  論文  参考訳（メタデータ） (2020-12-21T18:33:13Z)
• Non-parametric Models for Non-negative Functions [48.7576911714538]
  同じ良い線形モデルから非負関数に対する最初のモデルを提供する。 我々は、それが表現定理を認め、凸問題に対する効率的な二重定式化を提供することを証明した。
  論文  参考訳（メタデータ） (2020-07-08T07:17:28Z)
• A Random Matrix Analysis of Random Fourier Features: Beyond the Gaussian Kernel, a Precise Phase Transition, and the Corresponding Double Descent [85.77233010209368]
  本稿では、データサンプルの数が$n$である現実的な環境で、ランダムフーリエ(RFF)回帰の正確さを特徴付けます。 この分析はまた、大きな$n,p,N$のトレーニングとテスト回帰エラーの正確な推定も提供する。
  論文  参考訳（メタデータ） (2020-06-09T02:05:40Z)
• Fast Convergence for Langevin Diffusion with Manifold Structure [32.494158429289584]
  値と問合せが可能な関数 f に対して、p(x) 形式のプロット e-beta fx) の分布からサンプリングする問題に対処する。 我々の研究は、パラメータの空間に高い完成度がある場合、どのようにして同じ出力を生成するかを理解するための重要な第一歩である、と我々は主張する。
  論文  参考訳（メタデータ） (2020-02-13T15:49:04Z)

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。