論文の概要: Light Sampling Field and BRDF Representation for Physically-based Neural
Rendering
- arxiv url: http://arxiv.org/abs/2304.05472v1
- Date: Tue, 11 Apr 2023 19:54:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-13 16:54:28.564539
- Title: Light Sampling Field and BRDF Representation for Physically-based Neural
Rendering
- Title（参考訳）: 物理ベースニューラルレンダリングのための光サンプリング場とBRDF表現
- Authors: Jing Yang, Hanyuan Xiao, Wenbin Teng, Yunxuan Cai, Yajie Zhao
- Abstract要約: 物理ベースのレンダリング(PBR)は、コンピュータグラフィックス資産の詳細な現実的なシーンを展示するために業界で広く使われている没入型レンダリングエフェクトの鍵である。
本稿では,学習光サンプリングフィールドにおける光サンプリング戦略を通じて,直接的および間接的な光を局所的にモデル化する新しい照明表現を提案する。
次に,提案した表現を,標準の顔アセットとHDRIを入力とし,出力として写真リアリスティックなレンダリングを生成する,エンドツーエンドの物理ベースニューラルフェイススキンシェーダを用いて実装する。
- 参考スコア（独自算出の注目度）: 4.440848173589799
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Physically-based rendering (PBR) is key for immersive rendering effects used
widely in the industry to showcase detailed realistic scenes from computer
graphics assets. A well-known caveat is that producing the same is
computationally heavy and relies on complex capture devices. Inspired by the
success in quality and efficiency of recent volumetric neural rendering, we
want to develop a physically-based neural shader to eliminate device dependency
and significantly boost performance. However, no existing lighting and material
models in the current neural rendering approaches can accurately represent the
comprehensive lighting models and BRDFs properties required by the PBR process.
Thus, this paper proposes a novel lighting representation that models direct
and indirect light locally through a light sampling strategy in a learned light
sampling field. We also propose BRDF models to separately represent
surface/subsurface scattering details to enable complex objects such as
translucent material (i.e., skin, jade). We then implement our proposed
representations with an end-to-end physically-based neural face skin shader,
which takes a standard face asset (i.e., geometry, albedo map, and normal map)
and an HDRI for illumination as inputs and generates a photo-realistic
rendering as output. Extensive experiments showcase the quality and efficiency
of our PBR face skin shader, indicating the effectiveness of our proposed
lighting and material representations.
- Abstract（参考訳）: 物理ベースのレンダリング(PBR)は、コンピュータグラフィックス資産の詳細な現実的なシーンを展示するために業界で広く使われている没入型レンダリングエフェクトの鍵である。
よく知られているのは、同じものを作るのが計算量に重く、複雑なキャプチャデバイスに依存していることだ。
最近のボリュームトリクスニューラルレンダリングのクオリティと効率の面での成功に触発されて、デバイス依存をなくし、パフォーマンスを著しく向上させるために、物理ベースのニューラルシェーダを開発したいと考えています。
しかしながら、現在のニューラルレンダリングアプローチにおける既存の照明や材料モデルは、PBRプロセスに必要な包括的な照明モデルとBRDF特性を正確に表現することはできない。
そこで本稿では,学習光サンプリング領域における光サンプリング戦略により,局所的に直接および間接光をモデル化する新しい照明表現を提案する。
また, BRDFモデルを用いて表面・表面散乱の詳細を個別に表現し, 半透明物質(皮膚, ジャイド)などの複雑な物体を再現する。
提案する表現は,標準的な顔のアセット(幾何学,アルベドマップ,正規マップなど)と,入力として照明のためのhdriを取り入れ,出力としてフォトリアリスティックなレンダリングを生成する,エンドツーエンドの物理的ベースニューラルフェイススキンシェーダを用いて実装する。
広範囲にわたる実験により,pbr皮膚シェーダの質と効率が示され,提案する照明と材料表現の有効性が示された。
関連論文リスト
- 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) - Relighting Scenes with Object Insertions in Neural Radiance Fields [24.18050535794117]
本研究では,物体のNeRFをシーンのNeRFに挿入するための新しいNeRFパイプラインを提案する。
提案手法は,広範囲な実験評価において,現実的な照明効果を実現する。
論文 参考訳（メタデータ） (2024-06-21T00:58:58Z) - NieR: Normal-Based Lighting Scene Rendering [17.421326290704844]
NieR(Normal-based Lighting Scene Rendering)は、様々な材料表面における光反射のニュアンスを考慮した新しいフレームワークである。
本稿では,光の反射特性を捉えたLD(Light Decomposition)モジュールについて述べる。
また、スパースガウス表現の限界を克服するためにHNGD (Hierarchical Normal Gradient Densification) モジュールを提案する。
論文 参考訳（メタデータ） (2024-05-21T14:24:43Z) - TensoIR: Tensorial Inverse Rendering [51.57268311847087]
テンソルIRはテンソル分解とニューラルフィールドに基づく新しい逆レンダリング手法である。
TensoRFは、放射場モデリングのための最先端のアプローチである。
論文 参考訳（メタデータ） (2023-04-24T21:39:13Z) - NeAI: A Pre-convoluted Representation for Plug-and-Play Neural Ambient
Illumination [28.433403714053103]
ニューラル環境照明(NeAI)という枠組みを提案する。
NeAIは、物理的な方法で複雑な照明を扱うための照明モデルとしてNeRF(Neural Radiance Fields)を使用している。
実験は、以前の作品と比較して、ノベルビューレンダリングの優れたパフォーマンスを示す。
論文 参考訳（メタデータ） (2023-04-18T06:32:30Z) - Neural Fields meet Explicit Geometric Representation for Inverse
Rendering of Urban Scenes [62.769186261245416]
本稿では,大都市におけるシーン形状,空間変化材料,HDR照明を,任意の深さで描画したRGB画像の集合から共同で再構成できる新しい逆レンダリングフレームワークを提案する。
具体的には、第1の光線を考慮に入れ、第2の光線をモデリングするために、明示的なメッシュ(基礎となるニューラルネットワークから再構成)を用いて、キャストシャドウのような高次照明効果を発生させる。
論文 参考訳（メタデータ） (2023-04-06T17:51:54Z) - ENVIDR: Implicit Differentiable Renderer with Neural Environment
Lighting [9.145875902703345]
ENVIDRは、高精細な反射を伴う表面の高精細なレンダリングと再構成のためのレンダリングとモデリングのためのフレームワークである。
まず、表面光と環境光の相互作用を学習するために、分解レンダリングを用いた新しいニューラルネットワークを提案する。
次に、この学習されたニューラルサーフェスを利用して一般的なシーンを表現するSDFベースのニューラルサーフェスモデルを提案する。
論文 参考訳（メタデータ） (2023-03-23T04:12:07Z) - DIB-R++: Learning to Predict Lighting and Material with a Hybrid
Differentiable Renderer [78.91753256634453]
そこで本研究では,単体画像から固有物体特性を推定する難題について,微分可能量を用いて検討する。
そこで本研究では、スペクトル化とレイトレーシングを組み合わせることで、これらの効果をサポートするハイブリッド微分可能なDIBR++を提案する。
より高度な物理ベースの微分可能値と比較すると、DIBR++はコンパクトで表現力のあるモデルであるため、高い性能を持つ。
論文 参考訳（メタデータ） (2021-10-30T01:59:39Z) - 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) - 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) - Object-based Illumination Estimation with Rendering-aware Neural
Networks [56.01734918693844]
個々の物体とその局所画像領域のRGBD外観から高速環境光推定手法を提案する。
推定照明により、仮想オブジェクトは実際のシーンと一貫性のあるシェーディングでARシナリオでレンダリングできる。
論文 参考訳（メタデータ） (2020-08-06T08:23:19Z)
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。