論文の概要: An Exploration of Neural Radiance Field Scene Reconstruction: Synthetic,
Real-world and Dynamic Scenes
- arxiv url: http://arxiv.org/abs/2210.12268v1
- Date: Fri, 21 Oct 2022 21:51:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-25 13:54:52.492752
- Title: An Exploration of Neural Radiance Field Scene Reconstruction: Synthetic,
Real-world and Dynamic Scenes
- Title（参考訳）: ニューラルラジアンスフィールドシーン再構成の探索:合成, 実世界, 動的シーン
- Authors: Benedict Quartey, Tuluhan Akbulut, Wasiwasi Mgonzo, Zheng Xin Yong
- Abstract要約: 我々は、ニューラルネットワークプリミティブのトレーニングとレンダリング時間の短縮を利用して、静的なビデオゲームシーンや実世界のシーンを再構築する。
我々はD-NeRFの実装を拡張し、合成シーンを現実の動的シーンも扱うように制約した。
- 参考スコア（独自算出の注目度）: 1.5855686282251258
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This project presents an exploration into 3D scene reconstruction of
synthetic and real-world scenes using Neural Radiance Field (NeRF) approaches.
We primarily take advantage of the reduction in training and rendering time of
neural graphic primitives multi-resolution hash encoding, to reconstruct static
video game scenes and real-world scenes, comparing and observing reconstruction
detail and limitations. Additionally, we explore dynamic scene reconstruction
using Neural Radiance Fields for Dynamic Scenes(D-NeRF). Finally, we extend the
implementation of D-NeRF, originally constrained to handle synthetic scenes to
also handle real-world dynamic scenes.
- Abstract（参考訳）: 本研究は,Neural Radiance Field (NeRF) を用いた合成・実世界の3次元シーン再構成の探索である。
我々は主に、ニューラルネットワークプリミティブのトレーニングとレンダリング時間の短縮を利用して、静的なビデオゲームシーンと現実のシーンを再構成し、再構成の詳細と制限を比較し、観察する。
さらに、ダイナミックシーン(D-NeRF)のためのニューラルレイディアンス場を用いた動的シーン再構成について検討する。
最後に,D-NeRFの実装を拡張した。D-NeRFは,合成シーンを現実の動的シーンも扱えるように制約されていた。
関連論文リスト
- OmniRe: Omni Urban Scene Reconstruction [78.99262488964423]
デバイス上でのログから高忠実度な都市景観を効率的に再構築するための総合的アプローチであるOmniReを紹介する。
我々はOmniReという名前のシーンを駆動するための総合的な3DGSフレームワークを提案する。
論文 参考訳（メタデータ） (2024-08-29T17:56:33Z) - Modeling Ambient Scene Dynamics for Free-view Synthesis [31.233859111566613]
モノクルキャプチャから周囲のシーンを動的に自由視点で合成する手法を提案する。
本手法は, 複雑な静的シーンを忠実に再構築できる3次元ガウス散乱(3DGS)の最近の進歩に基づいている。
論文 参考訳（メタデータ） (2024-06-13T17:59:11Z) - ReconFusion: 3D Reconstruction with Diffusion Priors [104.73604630145847]
本稿では,数枚の写真を用いて現実のシーンを再構成するReconFusionを提案する。
提案手法は,合成および多視点データセットに基づいて訓練された新規なビュー合成に先立って拡散を利用する。
本手法は,観測領域の外観を保ちながら,非拘束領域における現実的な幾何学とテクスチャを合成する。
論文 参考訳（メタデータ） (2023-12-05T18:59:58Z) - DyST: Towards Dynamic Neural Scene Representations on Real-World Videos [23.408503787341054]
モノクラー・リアル・ワールド・ビデオから現実のシーンの3次元構造とダイナミックスの両方を捉えることを目的としている。
我々のDynamic Scene Transformer (DyST) モデルは、モノクラー・リアル・ワールド・ビデオのシーンコンテンツへの遅延分解を学習する。
論文 参考訳（メタデータ） (2023-10-09T18:00:01Z) - MVSNeRF: Fast Generalizable Radiance Field Reconstruction from
Multi-View Stereo [52.329580781898116]
MVSNeRFは、ビュー合成のための神経放射場を効率的に再構築できる新しいニューラルレンダリング手法である。
高密度にキャプチャされた画像に対して,シーン毎の最適化を考慮に入れたニューラルネットワークの先行研究とは異なり,高速ネットワーク推論により,近傍の3つの入力ビューのみからラミアンスフィールドを再構成できる汎用ディープニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2021-03-29T13:15:23Z) - Non-Rigid Neural Radiance Fields: Reconstruction and Novel View
Synthesis of a Dynamic Scene From Monocular Video [76.19076002661157]
Non-Rigid Neural Radiance Fields (NR-NeRF) は、一般的な非剛体動的シーンに対する再構成および新しいビュー合成手法である。
一つのコンシューマ級カメラでさえ、新しい仮想カメラビューからダイナミックシーンの洗練されたレンダリングを合成するのに十分であることを示す。
論文 参考訳（メタデータ） (2020-12-22T18:46:12Z) - D-NeRF: Neural Radiance Fields for Dynamic Scenes [72.75686949608624]
そこで我々は,D-NeRF(D-NeRF)を動的領域に拡張する手法を提案する。
D-NeRFは、周囲を動き回るカメラから、剛体で非剛体な動きの下で物体のイメージを再構成する。
我々は,剛体・調音・非剛体動作下での物体のシーンに対するアプローチの有効性を実証した。
論文 参考訳（メタデータ） (2020-11-27T19:06:50Z) - Neural Scene Graphs for Dynamic Scenes [57.65413768984925]
動的シーンをシーングラフに分解する最初のニューラルレンダリング手法を提案する。
我々は暗黙的に符号化されたシーンと、単一の暗黙の関数でオブジェクトを記述するために共同で学習された潜在表現を組み合わせる。
論文 参考訳（メタデータ） (2020-11-20T12:37:10Z)
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。