論文の概要: ClimateNeRF: Extreme Weather Synthesis in Neural Radiance Field
- arxiv url: http://arxiv.org/abs/2211.13226v3
- Date: Thu, 8 Jun 2023 06:14:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-09 20:10:02.025550
- Title: ClimateNeRF: Extreme Weather Synthesis in Neural Radiance Field
- Title（参考訳）: ClimateNeRF: ニューラルラジカル場における極端気象合成
- Authors: Yuan Li, Zhi-Hao Lin, David Forsyth, Jia-Bin Huang, Shenlong Wang
- Abstract要約: シーンのNeRFモデルを用いて物理シミュレーションを融合する新しいNeRF編集手法について述べる。
結果はSOTA 2D画像編集やSOTA 3D NeRFスタイリングよりもはるかにリアルである。
- 参考スコア（独自算出の注目度）: 57.859851662796316
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Physical simulations produce excellent predictions of weather effects. Neural
radiance fields produce SOTA scene models. We describe a novel NeRF-editing
procedure that can fuse physical simulations with NeRF models of scenes,
producing realistic movies of physical phenomena in those scenes. Our
application -- Climate NeRF -- allows people to visualize what climate change
outcomes will do to them. ClimateNeRF allows us to render realistic weather
effects, including smog, snow, and flood. Results can be controlled with
physically meaningful variables like water level. Qualitative and quantitative
studies show that our simulated results are significantly more realistic than
those from SOTA 2D image editing and SOTA 3D NeRF stylization.
- Abstract（参考訳）: 物理シミュレーションは天気効果の予測に優れる。
神経放射場はSOTAシーンモデルを生成する。
シーンのNeRFモデルを用いて物理シミュレーションを融合し,それらのシーンにおける物理現象のリアルな映像を生成する,新しいNeRF編集手法について述べる。
私たちのアプリケーションであるClimate NeRFは、気候変動の結果が彼らに与える影響を可視化します。
ClimateNeRFを使えば、スモッグや雪、洪水など、現実的な気象効果を表現できます。
結果は水位のような物理的に有意義な変数で制御できる。
定性的および定量的研究により、シミュレーション結果は、SOTA 2D画像編集やSOTA 3D NeRFスタイリングよりもはるかに現実的であることが示された。
関連論文リスト
- Taming Latent Diffusion Model for Neural Radiance Field Inpainting [63.297262813285265]
ニューラル・ラジアンス・フィールド(NeRF)は多視点画像からの3次元再構成の表現である。
本研究では,シーンごとのカスタマイズによる拡散モデルの傾向の緩和と,マスキングトレーニングによるテクスチャシフトの緩和を提案する。
我々のフレームワークは、様々な現実世界のシーンに最先端のNeRF塗装結果をもたらす。
論文 参考訳（メタデータ） (2024-04-15T17:59:57Z) - FaIRGP: A Bayesian Energy Balance Model for Surface Temperatures
Emulation [13.745581787463962]
本稿では,エネルギー収支モデルの物理温度応答方程式を満たすデータ駆動エミュレータであるFaIRGPを紹介する。
本稿では,FaIRGPを用いて大気上層放射力の推定値を得る方法について述べる。
この研究が、気候エミュレーションにおけるデータ駆動手法の採用の拡大に寄与することを期待している。
論文 参考訳（メタデータ） (2023-07-14T08:43:36Z) - Enhance-NeRF: Multiple Performance Evaluation for Neural Radiance Fields [2.5432277893532116]
ニューラル・ラジアンス・フィールド(NeRF)は任意の視点からリアルな画像を生成することができる。
NeRFベースのモデルは、色付きの"fog"ノイズによって引き起こされる干渉問題の影響を受けやすい。
当社のアプローチはEnhance-NeRFと呼ばれ、低反射率と高反射率のオブジェクトの表示のバランスをとるためにジョイントカラーを採用している。
論文 参考訳（メタデータ） (2023-06-08T15:49:30Z) - BAD-NeRF: Bundle Adjusted Deblur Neural Radiance Fields [9.744593647024253]
我々は、新しいバンドルを調整した deblur Neural Radiance Fields (BAD-NeRF) を提案する。
BAD-NeRFは、激しい動きのぼやけた画像や不正確なカメラのポーズに対して堅牢である。
提案手法は、運動ぼかし画像の物理画像形成過程をモデル化し、NeRFのパラメータを共同で学習する。
論文 参考訳（メタデータ） (2022-11-23T10:53:37Z) - FLNeRF: 3D Facial Landmarks Estimation in Neural Radiance Fields [64.17946473855382]
本稿では,ニューラルレイディアンス場(NeRF)における3次元顔のランドマークを直接予測する最初の重要な研究について述べる。
我々の3D粗い顔ランドマークNeRF(FLNeRF)モデルは、特定の顔のNeRFから、正確にランドマークを検出するために、個々の顔の特徴を持つ効率的なサンプルを抽出する。
論文 参考訳（メタデータ） (2022-11-21T06:26:01Z) - Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of
Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。
降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
論文 参考訳（メタデータ） (2021-07-14T21:10:47Z) - BARF: Bundle-Adjusting Neural Radiance Fields [104.97810696435766]
不完全なカメラポーズからNeRFを訓練するためのバンドル調整ニューラルラジアンスフィールド(BARF)を提案します。
BARFは、ニューラルネットワークシーンの表現を効果的に最適化し、大きなカメラのポーズミスを同時に解決する。
これにより、未知のカメラポーズからの映像シーケンスのビュー合成とローカライズが可能になり、視覚ローカライズシステムのための新しい道を開くことができる。
論文 参考訳（メタデータ） (2021-04-13T17:59:51Z) - iNeRF: Inverting Neural Radiance Fields for Pose Estimation [68.91325516370013]
Neural RadianceField(NeRF)を「反転」してメッシュフリーポーズ推定を行うフレームワークiNeRFを紹介します。
NeRFはビュー合成のタスクに極めて有効であることが示されている。
論文 参考訳（メタデータ） (2020-12-10T18:36:40Z)
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。