論文の概要: High-Quality Real-Time Rendering Using Subpixel Sampling Reconstruction
- arxiv url: http://arxiv.org/abs/2301.01036v2
- Date: Sun, 25 Jun 2023 16:19:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-27 23:56:57.811125
- Title: High-Quality Real-Time Rendering Using Subpixel Sampling Reconstruction
- Title（参考訳）: サブピクセルサンプリング再構成を用いた高品質リアルタイムレンダリング
- Authors: Boyu Zhang, Hongliang Yuan, Mingyan Zhu, Ligang Liu, Jue Wang
- Abstract要約: 我々は,サンプリングプロセスとそれに対応するデノイザ,サブピクセルサンプリング再構成(SSR)を高速化する新しいモンテカルロサンプリング戦略を提案する。
提案手法は,2K解像度でのリアルタイムレンダリングを実現するため,従来手法よりも品質を劣化させ,全体の時間コストを低減させる。
- 参考スコア（独自算出の注目度）: 20.431360489828975
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Generating high-quality, realistic rendering images for real-time
applications generally requires tracing a few samples-per-pixel (spp) and using
deep learning-based approaches to denoise the resulting low-spp images.
Existing denoising methods have yet to achieve real-time performance at high
resolutions due to the physically-based sampling and network inference time
costs. In this paper, we propose a novel Monte Carlo sampling strategy to
accelerate the sampling process and a corresponding denoiser, subpixel sampling
reconstruction (SSR), to obtain high-quality images. Extensive experiments
demonstrate that our method significantly outperforms previous approaches in
denoising quality and reduces overall time costs, enabling real-time rendering
capabilities at 2K resolution.
- Abstract（参考訳）: リアルタイムアプリケーションのために高品質でリアルなレンダリング画像を生成するには、一般的に、サンプル毎ピクセル(spp)のトレースと、結果の低spp画像に対するディープラーニングベースのアプローチが必要となる。
既存のデノナイジング手法は,物理ベースサンプリングとネットワーク推定時間コストのため,高解像度のリアルタイム性能を実現できていない。
本稿では,サンプリング処理を高速化する新しいモンテカルロサンプリング戦略と,それに対応するデノイザーであるサブピクセルサンプリング再構成(ssr)を提案し,高品質画像を得る。
広汎な実験により,本手法は,2K解像度でのリアルタイムレンダリング機能を実現し,品質を劣化させる従来の手法よりも大幅に向上し,全体の時間コストを低減した。
関連論文リスト
- Efficient Conditional Diffusion Model with Probability Flow Sampling for Image Super-resolution [35.55094110634178]
画像超解像のための確率フローサンプリングを用いた効率的な条件拡散モデルを提案する。
提案手法は,既存の拡散型画像超解像法よりも高画質化を実現している。
論文 参考訳（メタデータ） (2024-04-16T16:08:59Z) - Accelerating Diffusion Sampling with Optimized Time Steps [69.21208434350567]
拡散確率モデル(DPM)は高分解能画像合成において顕著な性能を示した。
彼らのサンプリング効率は、通常多くのサンプリングステップのため、依然として望まれている。
DPM用高次数値ODEソルバの最近の進歩により、サンプリングステップがはるかに少ない高品質な画像の生成が可能になった。
論文 参考訳（メタデータ） (2024-02-27T10:13:30Z) - RL-based Stateful Neural Adaptive Sampling and Denoising for Real-Time
Path Tracing [1.534667887016089]
モンテカルロ経路追跡は、現実的な画像合成の強力な手法であるが、低いサンプル数での高レベルのノイズに悩まされている。
本稿では,サンプリング重要度ネットワーク,遅延空間エンコーダネットワーク,デノイザネットワークをエンドツーエンドでトレーニングするフレームワークを提案する。
論文 参考訳（メタデータ） (2023-10-05T12:39:27Z) - ACDMSR: Accelerated Conditional Diffusion Models for Single Image
Super-Resolution [84.73658185158222]
本稿では,ACDMSRと呼ばれる拡散モデルに基づく超解像法を提案する。
提案手法は, 決定論的反復分解過程を通じて超解像を行うために, 標準拡散モデルに適応する。
提案手法は,低解像度画像に対してより視覚的に現実的な表現を生成し,現実的なシナリオにおけるその有効性を強調した。
論文 参考訳（メタデータ） (2023-07-03T06:49:04Z) - CDPMSR: Conditional Diffusion Probabilistic Models for Single Image
Super-Resolution [91.56337748920662]
拡散確率モデル(DPM)は画像から画像への変換において広く採用されている。
単純だが自明なDPMベースの超解像後処理フレームワーク,すなわちcDPMSRを提案する。
本手法は, 定性的および定量的な結果の両面において, 先行試行を超越した手法である。
論文 参考訳（メタデータ） (2023-02-14T15:13:33Z) - Toward Real-World Super-Resolution via Adaptive Downsampling Models [58.38683820192415]
本研究では,制約のある事前知識を伴わずに未知のサンプル処理をシミュレートする手法を提案する。
対の例を使わずに対象LR画像の分布を模倣する汎用化可能な低周波損失(LFL)を提案する。
論文 参考訳（メタデータ） (2021-09-08T06:00:32Z) - Deep Unfolded Recovery of Sub-Nyquist Sampled Ultrasound Image [94.42139459221784]
本稿では,ISTAアルゴリズムの展開に基づく時空間領域におけるサブNyquistサンプルからの再構成手法を提案する。
本手法は,高品質な撮像性能を確保しつつ,配列要素数,サンプリングレート,計算時間を削減できる。
論文 参考訳（メタデータ） (2021-03-01T19:19:38Z) - Learning Spatial and Spatio-Temporal Pixel Aggregations for Image and
Video Denoising [104.59305271099967]
ピクセル集計ネットワークを提示し、画像デノイジングのためのピクセルサンプリングと平均戦略を学びます。
時間空間にまたがるサンプル画素をビデオデノナイズするための画素集約ネットワークを開発した。
本手法は,動的シーンにおける大きな動きに起因する誤認問題を解決することができる。
論文 参考訳（メタデータ） (2021-01-26T13:00:46Z)
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。