論文の概要: IntrinsicNGP: Intrinsic Coordinate based Hash Encoding for Human NeRF

• arxiv url: http://arxiv.org/abs/2302.14683v1
• Date: Tue, 28 Feb 2023 15:51:19 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-01 15:48:13.013019
• Title: IntrinsicNGP: Intrinsic Coordinate based Hash Encoding for Human NeRF
• Title（参考訳）: naturengp : ヒトnerfのための内在座標に基づくハッシュ符号化
• Authors: Bo Peng, Jun Hu, Jingtao Zhou, Xuan Gao, Juyong Zhang
• Abstract要約: IntrinsicNGPを提案する。これは人間のパフォーマーのビデオを用いて、スクラッチからトレーニングし、数分で高忠実度を達成できる。 Instant-NGPのハッシュ符号化モジュールにおいて、元の明示的なユークリッド座標ではなく、連続的に最適化可能な固有座標を導入する。 この新しい固有座標により、IntrinsicNGPはプロキシ幾何学形状の助けを借りて動的オブジェクトのフレーム間情報を集約することができる。
• 参考スコア（独自算出の注目度）: 27.660829835903424
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, many works have been proposed to utilize the neural radiance field for novel view synthesis of human performers. However, most of these methods require hours of training, making them difficult for practical use. To address this challenging problem, we propose IntrinsicNGP, which can train from scratch and achieve high-fidelity results in few minutes with videos of a human performer. To achieve this target, we introduce a continuous and optimizable intrinsic coordinate rather than the original explicit Euclidean coordinate in the hash encoding module of instant-NGP. With this novel intrinsic coordinate, IntrinsicNGP can aggregate inter-frame information for dynamic objects with the help of proxy geometry shapes. Moreover, the results trained with the given rough geometry shapes can be further refined with an optimizable offset field based on the intrinsic coordinate.Extensive experimental results on several datasets demonstrate the effectiveness and efficiency of IntrinsicNGP. We also illustrate our approach's ability to edit the shape of reconstructed subjects.
• Abstract（参考訳）: 近年,人間パフォーマーの新たな視点合成に神経放射場を利用する研究が数多く提案されている。 しかし、これらの手法のほとんどは訓練に時間を要するため、実用上は困難である。 この課題に対処するために,人間パフォーマーのビデオを用いて,スクラッチからトレーニングし,高忠実度を数分で達成できるIntrinsicNGPを提案する。 この目的を達成するために,即時NGPのハッシュ符号化モジュールにおいて,元の明示的ユークリッド座標よりも連続的に最適化可能な固有座標を導入する。 この新しい固有座標により、IntrinsicNGPはプロキシ幾何学形状の助けを借りて動的オブジェクトのフレーム間情報を集約することができる。 さらに、与えられた粗い形状でトレーニングされた結果は、内在座標に基づいて最適化可能なオフセット場によりさらに洗練され、内在NGPの有効性と効率性を示す。 また,再構成対象の形状を編集する手法についても述べる。

関連論文リスト

• AROMA: Preserving Spatial Structure for Latent PDE Modeling with Local Neural Fields [14.219495227765671]
  本稿では、局所的なニューラルネットワークを用いた偏微分方程式(PDE)のモデリングを強化するためのフレームワークであるAROMAを提案する。 我々のフレキシブルエンコーダ・デコーダアーキテクチャは、様々なデータタイプから空間物理場のスムーズな遅延表現を得ることができる。 拡散型定式化を用いることで、従来のMSEトレーニングと比較して安定性が向上し、ロールアウトが長くなる。
  論文  参考訳（メタデータ） (2024-06-04T10:12:09Z)
• From Fourier to Neural ODEs: Flow Matching for Modeling Complex Systems [20.006163951844357]
  ニューラル常微分方程式(NODE)を学習するためのシミュレーション不要なフレームワークを提案する。 フーリエ解析を用いて、ノイズの多い観測データから時間的および潜在的高次空間勾配を推定する。 我々の手法は、トレーニング時間、ダイナミクス予測、堅牢性の観点から、最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2024-05-19T13:15:23Z)
• ColNeRF: Collaboration for Generalizable Sparse Input Neural Radiance Field [89.54363625953044]
  Collaborative Neural Radiance Fields (ColNeRF) はスパース入力で動作するように設計されている。 ColNeRFはよりリッチでより一般化されたシーン表現をキャプチャできる。 我々のアプローチは、新しい場面に適応するための微調整において優位性を示す。
  論文  参考訳（メタデータ） (2023-12-14T16:26:46Z)
• INFINITY: Neural Field Modeling for Reynolds-Averaged Navier-Stokes Equations [13.242926257057084]
  INFINITYは、幾何学情報と物理場をコンパクトな表現に符号化するディープラーニングモデルである。 本フレームワークは,体積と表面の物理場を正確に推定することにより,最先端の性能を実現する。 我々のモデルは、方程式に固執しながら、ドラッグ・アンド・リフト係数を正確に予測することができる。
  論文  参考訳（メタデータ） (2023-07-25T14:35:55Z)
• GM-NeRF: Learning Generalizable Model-based Neural Radiance Fields from Multi-view Images [79.39247661907397]
  本稿では,自由視点画像の合成に有効なフレームワークであるGeneralizable Model-based Neural Radiance Fieldsを提案する。 具体的には、多視点2D画像からの出現コードを幾何学的プロキシに登録するための幾何学誘導型アテンション機構を提案する。
  論文  参考訳（メタデータ） (2023-03-24T03:32:02Z)
• Fast-SNARF: A Fast Deformer for Articulated Neural Fields [92.68788512596254]
  本稿では,標準空間とポーズ空間の正確な対応性を求める,ニューラルフィールドのための新しい調音モジュールFast-SNARFを提案する。 Fast-SNARFはこれまでの研究であるSNARFの代替であり、計算効率は大幅に向上した。 変形マップの学習は多くの3次元人間のアバター法において重要な要素であるため、この研究は3次元仮想人間の実現に向けた重要なステップであると考えている。
  論文  参考訳（メタデータ） (2022-11-28T17:55:34Z)
• Geometry-Guided Progressive NeRF for Generalizable and Efficient Neural Human Rendering [139.159534903657]
  我々は、高忠実度自由視点人体詳細のための一般化可能で効率的なニューラルレーダランス・フィールド(NeRF)パイプラインを開発した。 自己閉塞性を改善するため,幾何誘導型多視点機能統合手法を考案した。 高いレンダリング効率を達成するため,幾何誘導型プログレッシブレンダリングパイプラインを導入する。
  論文  参考訳（メタデータ） (2021-12-08T14:42:10Z)
• Deep Magnification-Flexible Upsampling over 3D Point Clouds [103.09504572409449]
  本稿では,高密度点雲を生成するためのエンドツーエンド学習ベースのフレームワークを提案する。 まずこの問題を明示的に定式化し、重みと高次近似誤差を判定する。 そこで我々は,高次改良とともに,統一重みとソート重みを適応的に学習する軽量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） (2020-11-25T14:00:18Z)
• Performance of Hyperbolic Geometry Models on Top-N Recommendation Tasks [72.62702932371148]
  標準的な協調フィルタリング問題の解法として,双曲幾何学に基づく単純なオートエンコーダを提案する。 現代の多くのディープラーニング技術とは対照的に、私たちは単一の隠れレイヤのみを使用してソリューションを構築します。
  論文  参考訳（メタデータ） (2020-08-15T13:21:10Z)

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。