論文の概要: Learning a Room with the Occ-SDF Hybrid: Signed Distance Function
Mingled with Occupancy Aids Scene Representation
- arxiv url: http://arxiv.org/abs/2303.09152v1
- Date: Thu, 16 Mar 2023 08:34:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2023-03-17 16:16:21.061374
- Title: Learning a Room with the Occ-SDF Hybrid: Signed Distance Function
Mingled with Occupancy Aids Scene Representation
- Title（参考訳）: Occ-SDFハイブリッドを用いた部屋の学習 : アクシデントエイドのシーン表現を取り入れた手話距離関数
- Authors: Xiaoyang Lyu, Peng Dai, Zizhang Li, Dongyu Yan, Yi Lin, Yifan Peng,
Xiaojuan Qi
- Abstract要約: 符号付き距離関数表現と幾何学的先行表現を用いた暗黙的ニューラルレンダリングは、大規模シーンの表面再構成において顕著な進歩をもたらした。
我々は,原色レンダリング損失と先行組込みSDFシーン表現の限界を識別する実験を行った。
非ゼロな特徴値を用いて最適化信号を返却する特徴ベースの色レンダリング損失を提案する。
- 参考スコア（独自算出の注目度）: 46.635542063913185
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Implicit neural rendering, which uses signed distance function (SDF)
representation with geometric priors (such as depth or surface normal), has led
to impressive progress in the surface reconstruction of large-scale scenes.
However, applying this method to reconstruct a room-level scene from images may
miss structures in low-intensity areas or small and thin objects. We conducted
experiments on three datasets to identify limitations of the original color
rendering loss and priors-embedded SDF scene representation.
We found that the color rendering loss results in optimization bias against
low-intensity areas, causing gradient vanishing and leaving these areas
unoptimized. To address this issue, we propose a feature-based color rendering
loss that utilizes non-zero feature values to bring back optimization signals.
Additionally, the SDF representation can be influenced by objects along a ray
path, disrupting the monotonic change of SDF values when a single object is
present. To counteract this, we explore using the occupancy representation,
which encodes each point separately and is unaffected by objects along a
querying ray. Our experimental results demonstrate that the joint forces of the
feature-based rendering loss and Occ-SDF hybrid representation scheme can
provide high-quality reconstruction results, especially in challenging
room-level scenarios. The code would be released.
- Abstract（参考訳）: 符号付き距離関数(SDF)と幾何学的先行値(深さや表面正規値など)を用いた暗黙的ニューラルレンダリングは、大規模シーンの表面再構成において顕著な進歩をもたらした。
しかし、この方法で部屋レベルのシーンを画像から再現することは、低強度領域や小さくて薄い物体の構造を見逃す可能性がある。
原色レンダリング損失と先行組込みsdfシーン表現の制限を識別するために,3つのデータセットを用いた実験を行った。
その結果,カラーレンダリング損失は低強度領域に対する最適化バイアスとなり,勾配が消失し,これらの領域は最適化されないことがわかった。
この問題に対処するために,ゼロでない特徴値を用いて最適化信号を返す特徴ベースの色レンダリング損失を提案する。
さらに、SDF表現は、光路に沿った物体の影響を受け、単一の物体が存在する場合のSDF値の単調変化を妨害することができる。
これに対応するために,各点を個別に符号化し,問合せ線に沿ったオブジェクトの影響を受けない占有表現を用いて検討する。
実験結果から,特徴量に基づくレンダリング損失とOcc-SDFハイブリッド表現の結合力は,特に挑戦的な部屋レベルのシナリオにおいて,高品質な再構成結果が得られることが示された。
コードはリリースされます。
関連論文リスト
- Decompositional Neural Scene Reconstruction with Generative Diffusion Prior [64.71091831762214]
完全な形状と詳細なテクスチャを持つ3次元シーンの分解的再構成は、下流の応用に興味深い。
近年のアプローチでは、この問題に対処するために意味的あるいは幾何学的正則化が取り入れられているが、制約の少ない領域では著しく劣化している。
本稿では,SDS(Score Distillation Sampling)の形で拡散先行値を用いたDP-Reconを提案し,新しい視点下で個々の物体の神経表現を最適化する。
論文 参考訳（メタデータ） (2025-03-19T02:11:31Z) - RISE-SDF: a Relightable Information-Shared Signed Distance Field for Glossy Object Inverse Rendering [26.988572852463815]
本稿では,新しいエンド・ツー・エンド・エンド・リライトブル・ニューラル・リバース・レンダリングシステムを提案する。
本アルゴリズムは,逆レンダリングとリライトにおける最先端性能を実現する。
実験により, 逆レンダリングおよびリライティングにおける最先端性能が得られた。
論文 参考訳（メタデータ） (2024-09-30T09:42:10Z) - Ray-Distance Volume Rendering for Neural Scene Reconstruction [15.125703603989715]
ニューラルシーン再構築における既存の手法は、SDF(Signed Distance Function)を用いて密度関数をモデル化する。
室内のシーンでは、サンプリングされた点に対するSDFから計算された密度は、ボリュームレンダリングにおいてその真の重要性を常に反映していないかもしれない。
本研究は,信号線距離関数(SRDF)を用いて密度関数をパラメータ化する屋内シーン再構築手法を提案する。
論文 参考訳（メタデータ） (2024-08-28T04:19:14Z) - NeuRodin: A Two-stage Framework for High-Fidelity Neural Surface Reconstruction [63.85586195085141]
サイン付き距離関数 (SDF) を用いたボリュームレンダリングは, 表面再構成において有意な機能を示した。
ニューロディン(NeuRodin)は、新しい2段階の神経表面再構成フレームワークである。
NeuRodinは高忠実な表面再構成を実現し、密度ベース手法の柔軟な最適化特性を維持している。
論文 参考訳（メタデータ） (2024-08-19T17:36:35Z) - PBIR-NIE: Glossy Object Capture under Non-Distant Lighting [30.325872237020395]
グロッシーオブジェクトは自然光下での多視点入力画像から3次元再構成を行う上で重要な課題となる。
PBIR-NIEは, 物体の形状, 材料特性, 周囲の照明を均等に捉えるために設計された逆レンダリングフレームワークである。
論文 参考訳（メタデータ） (2024-08-13T13:26:24Z) - CVT-xRF: Contrastive In-Voxel Transformer for 3D Consistent Radiance Fields from Sparse Inputs [65.80187860906115]
スパース入力によるNeRFの性能向上のための新しい手法を提案する。
まず, サンプル線が, 3次元空間内の特定のボクセルと交差することを保証するために, ボクセルを用いた放射線サンプリング戦略を採用する。
次に、ボクセル内の追加点をランダムにサンプリングし、トランスフォーマーを適用して各線上の他の点の特性を推測し、ボリュームレンダリングに組み込む。
論文 参考訳（メタデータ） (2024-03-25T15:56:17Z) - Anti-Aliased Neural Implicit Surfaces with Encoding Level of Detail [54.03399077258403]
本稿では,高頻度幾何細部リカバリとアンチエイリアス化された新しいビューレンダリングのための効率的なニューラル表現であるLoD-NeuSを提案する。
我々の表現は、光線に沿った円錐状のフラストラム内の多面体化から空間特徴を集約する。
論文 参考訳（メタデータ） (2023-09-19T05:44:00Z) - ObjectSDF++: Improved Object-Compositional Neural Implicit Surfaces [40.489487738598825]
近年,多視点3次元再構成のパラダイムとして神経暗黙的表面再構成が注目されている。
以前の作業では、ObjectSDFは、オブジェクト合成ニューラルな暗黙の面の優れたフレームワークを導入しました。
我々はObjectSDF++と呼ばれる新しいフレームワークを提案し、ObjectSDFの限界を克服する。
論文 参考訳（メタデータ） (2023-08-15T16:35:40Z) - Inverse Rendering of Translucent Objects using Physical and Neural
Renderers [13.706425832518093]
本研究では,半透明物体の1対の撮像画像のみから3次元形状,空間的反射率,均質散乱パラメータ,環境照度を推定する逆モデルを提案する。
2つの再構成は微分可能であるため、パラメータ推定を補助するために再構成損失を計算することができる。
我々は117Kシーンからなる半透明物体の大規模合成データセットを構築した。
論文 参考訳（メタデータ） (2023-05-15T04:03:11Z) - NeuralUDF: Learning Unsigned Distance Fields for Multi-view
Reconstruction of Surfaces with Arbitrary Topologies [87.06532943371575]
本稿では2次元画像からボリュームレンダリングにより任意の位相で表面を再構成する新しい手法であるNeuralUDFを提案する。
本稿では,表面をUDF(Unsigned Distance Function)として表現し,ニューラルUDF表現を学習するための新しいボリュームレンダリング手法を提案する。
論文 参考訳（メタデータ） (2022-11-25T15:21:45Z) - NeRFactor: Neural Factorization of Shape and Reflectance Under an
Unknown Illumination [60.89737319987051]
照明条件が不明な物体の多視点像から物体の形状と空間的反射率を復元する問題に対処する。
これにより、任意の環境照明下でのオブジェクトの新たなビューのレンダリングや、オブジェクトの材料特性の編集が可能になる。
論文 参考訳（メタデータ） (2021-06-03T16:18:01Z)
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。