論文の概要: Nerflets: Local Radiance Fields for Efficient Structure-Aware 3D Scene
Representation from 2D Supervisio
- arxiv url: http://arxiv.org/abs/2303.03361v1
- Date: Mon, 6 Mar 2023 18:48:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-07 14:51:43.924356
- Title: Nerflets: Local Radiance Fields for Efficient Structure-Aware 3D Scene
Representation from 2D Supervisio
- Title（参考訳）: nerflets: 2次元スーパービジョンからの効率的な構造認識3次元シーン表現のための局所放射場
- Authors: Xiaoshuai Zhang, Abhijit Kundu, Thomas Funkhouser, Leonidas Guibas,
Hao Su, Kyle Genova
- Abstract要約: 画像からの3Dシーンの表現を効率的かつ構造的に認識する。
ナーフレット(英: Nerflets)は、局所的な神経放射場の集まりで、共にシーンを表す。
我々は、従来のグローバルなNeRFよりも効率よく、そのシーンにオタクが収まることを発見した。
- 参考スコア（独自算出の注目度）: 25.767113021077783
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We address efficient and structure-aware 3D scene representation from images.
Nerflets are our key contribution -- a set of local neural radiance fields that
together represent a scene. Each nerflet maintains its own spatial position,
orientation, and extent, within which it contributes to panoptic, density, and
radiance reconstructions. By leveraging only photometric and inferred panoptic
image supervision, we can directly and jointly optimize the parameters of a set
of nerflets so as to form a decomposed representation of the scene, where each
object instance is represented by a group of nerflets. During experiments with
indoor and outdoor environments, we find that nerflets: (1) fit and approximate
the scene more efficiently than traditional global NeRFs, (2) allow the
extraction of panoptic and photometric renderings from arbitrary views, and (3)
enable tasks rare for NeRFs, such as 3D panoptic segmentation and interactive
editing.
- Abstract（参考訳）: 画像から3dシーン表現を効率的かつ構造的に表現する。
nerfletsは私たちの重要な貢献です -- シーンを表すローカルな神経放射フィールドのセットです。
各nerfletは、その空間的位置、向き、範囲を維持しており、その内部は、パンオプティクス、密度、放射光再構成に寄与している。
光度と推論されたパノプティクス画像の監視のみを利用することで、オタクレットの集合のパラメータを直接かつ共同で最適化し、各オブジェクトのインスタンスがオタクレットのグループによって表現されるシーンの分解表現を形成することができる。
室内および屋外環境での実験では,(1)従来のグローバルなNeRFよりも効率よくシーンをマッチングし,近似し,(2)任意の視点からパノプティクスと測光のレンダリングを抽出し,(3)3Dパノプティクスのセグメンテーションやインタラクティブな編集など,NeRFにとって稀なタスクを可能にする。
関連論文リスト
- Mesh2NeRF: Direct Mesh Supervision for Neural Radiance Field Representation and Generation [51.346733271166926]
Mesh2NeRFは、3次元生成タスクのためのテクスチャメッシュから地上構造放射場を導出するアプローチである。
各種タスクにおけるMesh2NeRFの有効性を検証する。
論文 参考訳（メタデータ） (2024-03-28T11:22:53Z) - Decomposing NeRF for Editing via Feature Field Distillation [14.628761232614762]
NeRFで表現されるシーンの編集は、基礎となるコネクショナリスト表現がオブジェクト指向や構成的ではないため、難しい。
本研究では,NeRFのセマンティックなシーン分解の問題に対処し,クエリに基づく局所的な編集を可能にする。
本稿では,市販の自己監督型2次元画像特徴抽出器の知識を,放射場と平行に最適化された3次元特徴場に抽出することを提案する。
論文 参考訳（メタデータ） (2022-05-31T07:56:09Z) - Light Field Networks: Neural Scene Representations with
Single-Evaluation Rendering [60.02806355570514]
2次元観察から3Dシーンの表現を推定することは、コンピュータグラフィックス、コンピュータビジョン、人工知能の基本的な問題である。
そこで我々は,360度4次元光場における基礎となる3次元シーンの形状と外観の両面を表現した新しいニューラルシーン表現,光場ネットワーク(LFN)を提案する。
LFNからレイをレンダリングするには*single*ネットワークの評価しか必要としない。
論文 参考訳（メタデータ） (2021-06-04T17:54:49Z) - 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) - 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) - Object-Centric Neural Scene Rendering [19.687759175741824]
本稿では,物体の撮影画像から写実的シーンを構成する手法を提案する。
私たちの研究は、暗黙的にシーンの体積密度と方向発光放射をモデル化するニューラル・ラジアンス・フィールド(NeRF)に基づいています。
我々は、オブジェクトごとの光輸送を暗黙的に、照明とビューに依存したニューラルネットワークを使ってモデル化する、オブジェクト指向神経散乱関数(OSFs)を学習する。
論文 参考訳（メタデータ） (2020-12-15T18:55:02Z) - 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 Reflectance Fields for Appearance Acquisition [61.542001266380375]
シーン内の任意の3次元点における体積密度, 正規および反射特性をエンコードする新しい深部シーン表現であるニューラルリフレクタンス場を提案する。
我々はこの表現を、任意の視点と光の下でニューラルリフレクタンスフィールドから画像を描画できる物理的にベースとした微分可能光線マーチングフレームワークと組み合わせる。
論文 参考訳（メタデータ） (2020-08-09T22:04:36Z)
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。