論文の概要: Floaters No More: Radiance Field Gradient Scaling for Improved Near-Camera Training

• arxiv url: http://arxiv.org/abs/2305.02756v2
• Date: Wed, 14 Jun 2023 16:41:23 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-17 00:57:26.534123
• Title: Floaters No More: Radiance Field Gradient Scaling for Improved Near-Camera Training
• Title（参考訳）: フローターno more: 近距離カメラのトレーニングを改善するための放射輝度場勾配スケーリング
• Authors: Julien Philip and Valentin Deschaintre
• Abstract要約: 通常、NeRFの取得には、異なるカメラの近距離機を慎重に選択する必要がある。 背景崩壊は、カメラ近傍の領域で試料の密度が高いことに起因する。 このサンプリング不均衡を相反する勾配スケーリング手法を提案する。
• 参考スコア（独自算出の注目度）: 5.604366646763897
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: NeRF acquisition typically requires careful choice of near planes for the different cameras or suffers from background collapse, creating floating artifacts on the edges of the captured scene. The key insight of this work is that background collapse is caused by a higher density of samples in regions near cameras. As a result of this sampling imbalance, near-camera volumes receive significantly more gradients, leading to incorrect density buildup. We propose a gradient scaling approach to counter-balance this sampling imbalance, removing the need for near planes, while preventing background collapse. Our method can be implemented in a few lines, does not induce any significant overhead, and is compatible with most NeRF implementations.
• Abstract（参考訳）: nerf取得は通常、異なるカメラの近接面を慎重に選択するか、背景の崩壊に悩まされ、撮影シーンの端に浮かぶアーティファクトを生成する必要がある。 この研究の鍵となる洞察は、背景の崩壊は、カメラ近傍の領域で試料の密度が高いことに起因する。 このサンプリング不均衡の結果、近カメラボリュームは、はるかに多くの勾配を受け取り、誤った密度の蓄積をもたらす。 本稿では,このサンプリング不均衡を解消し,背景崩壊を防止しつつ,近接平面の必要性をなくすための勾配スケーリング手法を提案する。 我々の手法は数行で実装でき、大きなオーバーヘッドを生じさせることなく、ほとんどのNeRF実装と互換性がある。

関連論文リスト

• Reducing Shape-Radiance Ambiguity in Radiance Fields with a Closed-Form Color Estimation Method [24.44659061093503]
  形状・輝度のあいまいさを低減するために,より適応的な手法を提案する。 まず、密度場に基づいて色場を推定し、画像を閉じた形で配置する。 実験の結果,NeRFの密度場は定性的かつ定量的に向上することがわかった。
  論文  参考訳（メタデータ） (2023-12-20T02:50:03Z)
• Density Invariant Contrast Maximization for Neuromorphic Earth Observations [55.970609838687864]
  コントラスト(CMax)技術は、カメラの運動パラメータを推定し、高コントラスト画像を生成するために、イベントベースの視覚システムで広く用いられている。 これらの手法は耐雑音性があり、シーンが構造よりもノイズの多いイベントを含む場合に発生する多重エクストリーム問題に悩まされる。 提案手法は、コントラストを計算する前に歪んだ事象を補正することにより、複数の過度および耐雑音性問題を克服する。
  論文  参考訳（メタデータ） (2023-04-27T12:17:40Z)
• Nerfbusters: Removing Ghostly Artifacts from Casually Captured NeRFs [78.75872372856597]
  カジュアルに捕獲されたニューラル・レージアンス・フィールド(NeRF)は、カメラの軌道の外側でレンダリングされたとき、フローターや欠陥のある幾何学などの人工物に悩まされる。 本稿では,2つのカメラトラジェクトリがシーンに記録される新しいデータセットと評価手法を提案する。 このデータ駆動型先行処理はフローターを除去し,カジュアルキャプチャのためのシーン形状を改善した。
  論文  参考訳（メタデータ） (2023-04-20T17:59:05Z)
• Shakes on a Plane: Unsupervised Depth Estimation from Unstabilized Photography [54.36608424943729]
  2秒で取得した12メガピクセルのRAWフレームの「長バースト」では,自然手震動のみからの視差情報で高品質のシーン深度を回復できることが示されている。 我々は、長時間バーストデータにニューラルRGB-D表現を適合させるテスト時間最適化手法を考案し、シーン深度とカメラモーションを同時に推定する。
  論文  参考訳（メタデータ） (2022-12-22T18:54:34Z)
• Smooth Robust Tensor Completion for Background/Foreground Separation with Missing Pixels: Novel Algorithm with Convergence Guarantee [4.109073267485578]
  本研究の目的は,画素不足による背景・地上分離の問題に対処することである。 これを実現するために、スムーズなテンソルロバスト補完(SRTC)モデルを提案し、データを静的な背景と滑らかな前景に分解する。 実データを用いた実験により, 提案手法は, 背景・地上分離と画素の欠落に対して, 最先端の手法を著しく上回っていることが示された。
  論文  参考訳（メタデータ） (2022-03-29T01:28:27Z)
• Pyramid Feature Alignment Network for Video Deblurring [63.26197177542422]
  ビデオの劣化は、さまざまな原因がぼやけているため、難しい課題だ。 従来の方法では、隣接するフレームを単一スケールのアライメントで修復する方法が検討されてきた。 本稿では,映像デブリのためのピラミッド特徴アライメントネットワーク(PFAN)を提案する。
  論文  参考訳（メタデータ） (2022-03-28T07:54:21Z)
• DARDet: A Dense Anchor-free Rotated Object Detector in Aerial Images [11.45718985586972]
  空中画像における回転物体検出のための高密度アンカーフリー回転物体検出器(DARDet)を提案する。 我々のDARDetは、特徴マップの各前景ピクセルで回転したボックスの5つのパラメータを直接予測する。 提案手法は, 一般的に使用されている3つの空中オブジェクトデータセットに対して, 最先端の性能を実現する。
  論文  参考訳（メタデータ） (2021-10-03T15:28:14Z)
• Wide-Depth-Range 6D Object Pose Estimation in Space [124.94794113264194]
  宇宙での6Dポーズ推定は、地上環境では一般的に遭遇しないユニークな課題を引き起こします。 最も顕著な違いの1つは、大気の散乱の欠如であり、物体を遠くから見えるようにします。 本稿では,単一段階の階層型エンドツーエンドトレーニングネットワークを提案する。
  論文  参考訳（メタデータ） (2021-04-01T08:39:26Z)
• Non-line-of-Sight Imaging via Neural Transient Fields [52.91826472034646]
  NLOS(non-Line-of-Sight)イメージングのためのニューラルモデリングフレームワークを提案する。 最近のNeRF(Neural Radiance Field)アプローチにインスパイアされた我々は、ニューラルネットワーク(NeTF)を表現するために多層パーセプトロン(MLP)を使用する。 共焦点と非共焦点の両方に適用可能な球状ボリュームnetf再構成パイプラインを定式化する。
  論文  参考訳（メタデータ） (2021-01-02T05:20:54Z)

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。