論文の概要: Inverse Global Illumination using a Neural Radiometric Prior

• arxiv url: http://arxiv.org/abs/2305.02192v1
• Date: Wed, 3 May 2023 15:36:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-04 14:27:51.269457
• Title: Inverse Global Illumination using a Neural Radiometric Prior
• Title（参考訳）: ニューラルラジオメトリック前駆体を用いた逆大域照明
• Authors: Saeed Hadadan, Geng Lin, Jan Nov\'ak, Fabrice Rousselle, Matthias Zwicker
• Abstract要約: グローバル照明を考慮に入れた逆レンダリング手法が普及しつつある。 本稿では,従来の微分可能経路トレーサに完全経路積分を構築するための簡易な方法として,ラジオメトリック先行手法を提案する。
• 参考スコア（独自算出の注目度）: 26.29610954064107
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Inverse rendering methods that account for global illumination are becoming more popular, but current methods require evaluating and automatically differentiating millions of path integrals by tracing multiple light bounces, which remains expensive and prone to noise. Instead, this paper proposes a radiometric prior as a simple alternative to building complete path integrals in a traditional differentiable path tracer, while still correctly accounting for global illumination. Inspired by the Neural Radiosity technique, we use a neural network as a radiance function, and we introduce a prior consisting of the norm of the residual of the rendering equation in the inverse rendering loss. We train our radiance network and optimize scene parameters simultaneously using a loss consisting of both a photometric term between renderings and the multi-view input images, and our radiometric prior (the residual term). This residual term enforces a physical constraint on the optimization that ensures that the radiance field accounts for global illumination. We compare our method to a vanilla differentiable path tracer, and more advanced techniques such as Path Replay Backpropagation. Despite the simplicity of our approach, we can recover scene parameters with comparable and in some cases better quality, at considerably lower computation times.
• Abstract（参考訳）: グローバル照明を考慮した逆レンダリング手法が普及しているが、現在の手法では複数の光反射を追跡することで数百万の経路積分を評価し、自動的に微分する必要がある。 そこで本稿では,従来の微分可能経路トレーサに完全経路積分を構築するための簡易な代替として放射能前置法を提案する。 ニューラル・ラジオシティ・テクニックに触発されて、ニューラルネットワークを放射関数として使用し、逆レンダリング損失におけるレンダリング方程式の残差のノルムからなる事前構成を導入する。 輝度ネットワークを訓練し、レンダリングとマルチビュー入力画像の間の測光項と、放射能前兆(残差項)の両方からなる損失を用いて、シーンパラメータを同時に最適化する。 この残余項は、放射場が大域照明の責任を負うように最適化に物理的な制約を課す。 提案手法を,バニラ微分可能なパストレーサや,パス再生バックプロパゲーションなどの高度な手法と比較する。 このアプローチの単純さにもかかわらず、シーンパラメータを同等で、場合によっては品質が向上し、計算時間が大幅に短縮できる。

関連論文リスト

• Flash Cache: Reducing Bias in Radiance Cache Based Inverse Rendering [62.92985004295714]
  本稿では,レンダリングに偏りをもたらす近似を回避し,最適化に用いた勾配を求める手法を提案する。 これらのバイアスを除去することで、逆レンダリングに基づくレーダランスキャッシュの一般化が向上し、スペクトル反射のような光輸送効果に挑戦する際の品質が向上することを示す。
  論文  参考訳（メタデータ） (2024-09-09T17:59:57Z)
• Diffusion Posterior Illumination for Ambiguity-aware Inverse Rendering [63.24476194987721]
  画像からシーン特性を推定する逆レンダリングは、困難な逆問題である。 既存のソリューションの多くは、プリエントを逆レンダリングパイプラインに組み込んで、プラウシブルなソリューションを奨励している。 本稿では,自然照明マップ上で事前学習した確率拡散モデルを最適化フレームワークに統合する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-30T12:39:28Z)
• Self-Calibrating, Fully Differentiable NLOS Inverse Rendering [15.624750787186803]
  NLOS(Time-resolved Non-line-of-Sight)イメージングは、可視光線面で測定された間接照明の光路を反転させることで、隠れたシーンを再構成する。 隠れたシーンの再構成において、画像パラメータを自己校正する完全微分可能なNLOS逆レンダリングパイプラインを導入する。 本手法のロバスト性は, 高い騒音レベル下であっても, 幾何とアルベドを一貫して再構成するものである。
  論文  参考訳（メタデータ） (2023-09-21T13:15:54Z)
• NeFII: Inverse Rendering for Reflectance Decomposition with Near-Field Indirect Illumination [48.42173911185454]
  逆レンダリング手法は、多視点RGB画像から幾何学、材料、照明を推定することを目的としている。 本稿では,多視点画像から材料と照明を分解するエンドツーエンドの逆レンダリングパイプラインを提案する。
  論文  参考訳（メタデータ） (2023-03-29T12:05:19Z)
• Differentiable Neural Radiosity [28.72382947011186]
  本稿では,ニューラルネットワークを用いた微分レンダリング方程式の解を表現する新しい手法である微分可能なニューラルラジオシティを紹介する。 ニューラルラジオシティ技術に触発されて、微分レンダリング方程式の残差のノルムを最小化し、ネットワークを直接最適化する。
  論文  参考訳（メタデータ） (2022-01-31T12:53:37Z)
• InfoNeRF: Ray Entropy Minimization for Few-Shot Neural Volume Rendering [55.70938412352287]
  ニューラルな暗黙表現に基づく数ショットの新規ビュー合成のための情報理論正規化手法を提案する。 提案手法は,不十分な視点で発生する潜在的な復元の不整合を最小化する。 複数の標準ベンチマークにおいて,既存のニューラルビュー合成手法と比較して一貫した性能向上を実現している。
  論文  参考訳（メタデータ） (2021-12-31T11:56:01Z)
• Neural Radiosity [31.35525999999182]
  残差方程式のノルムを最小化して方程式を解くアルゴリズムであるニューラルラジオシティを導入する。 提案手法は、画像のレンダリングから放射率方程式を分離し、シーンの任意のビューを効率的に合成する。
  論文  参考訳（メタデータ） (2021-05-26T04:10:00Z)
• Efficient and Differentiable Shadow Computation for Inverse Problems [64.70468076488419]
  微分可能幾何計算は画像に基づく逆問題に対する関心が高まっている。 微分可能な可視性とソフトシャドウ計算のための効率的かつ効率的なアプローチを提案する。 定式化は微分可能であるため, テクスチャ, 照明, 剛体ポーズ, 画像からの変形回復などの逆問題を解くために使用できる。
  論文  参考訳（メタデータ） (2021-04-01T09:29:05Z)
• Photon-Driven Neural Path Guiding [102.12596782286607]
  本稿では,スパース標本群から誘導される経路の高品質なサンプリング分布を再構築するニューラルパス誘導手法を提案する。 我々は、光源から追跡した光子をサンプリング密度再構成の入力として利用し、強力なグローバル照明の挑戦シーンに非常に効果的である。 提案手法は,従来の最先端の経路案内手法よりも,テストシーンのレンダリング結果が大幅に向上する。
  論文  参考訳（メタデータ） (2020-10-05T04:54:01Z)

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。