論文の概要: Stochastic Texture Filtering
- arxiv url: http://arxiv.org/abs/2305.05810v2
- Date: Mon, 15 May 2023 14:17:55 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-16 20:24:35.153938
- Title: Stochastic Texture Filtering
- Title(参考訳): 確率的テクスチャフィルタリング
- Authors: Marcos Fajardo, Bartlomiej Wronski, Marco Salvi, Matt Pharr
- Abstract要約: フィルタテクスチャルックアップは高品質な画像を生成するのに不可欠である。
提案手法では,BSDF 評価よりも照明評価後のフィルタリングにより,レンダリング方程式の精度が向上することを示す。
リアルタイムレンダリングとオフラインレンダリングの両方でアプリケーションを実演し、追加エラーが最小限であることを示す。
- 参考スコア(独自算出の注目度): 3.4202659118354104
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: 2D texture maps and 3D voxel arrays are widely used to add rich detail to the
surfaces and volumes of rendered scenes, and filtered texture lookups are
integral to producing high-quality imagery. We show that filtering textures
after evaluating lighting, rather than before BSDF evaluation as is current
practice, gives a more accurate solution to the rendering equation. These
benefits are not merely theoretical, but are apparent in common cases. We
further show that stochastically sampling texture filters is crucial for
enabling this approach, which has not been possible previously except in
limited cases. Stochastic texture filtering offers additional benefits,
including efficient implementation of high-quality texture filters and
efficient filtering of textures stored in compressed and sparse data
structures, including neural representations. We demonstrate applications in
both real-time and offline rendering and show that the additional stochastic
error is minimal. Furthermore, this error is handled well by either
spatiotemporal denoising or moderate pixel sampling rates.
- Abstract(参考訳): 2次元テクスチャマップと3次元ボクセルアレイは、描画されたシーンの表面やボリュームにリッチなディテールを加えるために広く使われており、フィルターされたテクスチャルックアップは高品質な画像を生成するのに不可欠である。
本研究では,現在のbsdf評価よりも,照明評価後のフィルタリングテクスチャが,レンダリング方程式をより正確に解くことができることを示す。
これらの利点は単に理論的なものではなく、一般的なケースで明らかである。
さらに,従来は限定的であったテクスチャフィルタを統計的にサンプリングすることが,このアプローチを実現する上で重要であることを示す。
確率的テクスチャフィルタリングには、高品質テクスチャフィルタの効率的な実装や、ニューラルネットワークを含む圧縮およびスパースデータ構造に格納されたテクスチャの効率的なフィルタリングなど、新たなメリットがある。
リアルタイムレンダリングとオフラインレンダリングの両方でアプリケーションを実演し、追加の確率誤差は最小限であることを示す。
さらに、この誤差は時空間デノイングまたは適度なピクセルサンプリングレートによってうまく処理される。
関連論文リスト
- Real-time Neural Rendering of LiDAR Point Clouds [0.2621434923709917]
1x1ピクセルを用いた出力ビューへの点雲の単純投影は高速であり、利用可能な詳細を保持するが、背景点が前景画素間に漏れるにつれて、認識不能なレンダリングをもたらす。
U-Netの形での深い畳み込みモデルを用いて、これらの射影を現実的な結果に変換する。
また,不完全整合な地上真実画像を扱うための合成訓練データを生成する手法についても述べる。
論文 参考訳(メタデータ) (2025-02-17T10:01:13Z) - Real-time Free-view Human Rendering from Sparse-view RGB Videos using Double Unprojected Textures [87.80984588545589]
スパースビューのRGB入力からのリアルタイム自由視点人体レンダリングは、センサー不足と厳しい時間予算のために難しい課題である。
最近の手法では、テクスチャ空間で動作する2次元CNNを活用して、レンダリングプリミティブを学習している。
本稿では,2重非プロジェクテッドテクスチャについて述べる。
論文 参考訳(メタデータ) (2024-12-17T18:57:38Z) - NeRF-Texture: Synthesizing Neural Radiance Field Textures [77.24205024987414]
与えられた多視点画像からテクスチャを捕捉・合成するためのニューラルレージアンス場(NeRF)を用いた新しいテクスチャ合成法を提案する。
提案したNeRFテクスチャ表現では、微細な幾何学的詳細を持つシーンをメソ構造テクスチャと基盤形状に分割する。
我々は潜伏特徴のパッチマッチングによってNeRFベースのテクスチャを合成できる。
論文 参考訳(メタデータ) (2024-12-13T09:41:48Z) - TEXGen: a Generative Diffusion Model for Mesh Textures [63.43159148394021]
我々は、UVテクスチャ空間自体における学習の根本的な問題に焦点を当てる。
本稿では,点クラウド上にアテンション層を持つUVマップ上の畳み込みをインターリーブするスケーラブルなネットワークアーキテクチャを提案する。
テキストプロンプトとシングルビュー画像によって導かれるUVテクスチャマップを生成する7億のパラメータ拡散モデルを訓練する。
論文 参考訳(メタデータ) (2024-11-22T05:22:11Z) - TexGen: Text-Guided 3D Texture Generation with Multi-view Sampling and Resampling [37.67373829836975]
テクスチャ生成のための新しい多視点サンプリングおよび再サンプリングフレームワークであるTexGenを提案する。
提案手法は,高精細度3次元オブジェクトに対して,高精細度で優れたテクスチャ品質を実現する。
また,テクスチャ生成技術は,テクスチャ編集にも適用可能である。
論文 参考訳(メタデータ) (2024-08-02T14:24:40Z) - Filtering After Shading With Stochastic Texture Filtering [1.8377890861896995]
本稿では,シェーディング評価後のテクスチャフィルタの適用により,BSDF 評価前のフィルタよりも精度の高い画像が得られることを示す。
テクスチャフィルタリングは、高品質なテクスチャフィルタの効率的な実装や、圧縮された、スパースなデータ構造に格納されたテクスチャの効率的なフィルタリングを含む、さらなる利点を提供する。
論文 参考訳(メタデータ) (2024-05-14T16:42:07Z) - Paint-it: Text-to-Texture Synthesis via Deep Convolutional Texture Map Optimization and Physically-Based Rendering [47.78392889256976]
Paint-itは3Dレンダリングのためのテキスト駆動の高忠実なテクスチャマップ合成法である。
Paint-itはScore-Distillation Sampling(SDS)を利用してテキスト記述からテクスチャマップを合成する
我々は,DC-PBRがテクスチャ周波数に応じて最適化カリキュラムをスケジュールし,SDSからノイズ信号を自然にフィルタすることを示した。
論文 参考訳(メタデータ) (2023-12-18T17:17:08Z) - TexFusion: Synthesizing 3D Textures with Text-Guided Image Diffusion
Models [77.85129451435704]
大規模誘導画像拡散モデルを用いて3次元テクスチャを合成する手法を提案する。
具体的には、潜時拡散モデルを利用し、セット・デノナイジング・モデルと集合・デノナイジング・テキスト・マップを適用する。
論文 参考訳(メタデータ) (2023-10-20T19:15:29Z) - Delicate Textured Mesh Recovery from NeRF via Adaptive Surface
Refinement [78.48648360358193]
画像からテクスチャ化された表面メッシュを生成する新しいフレームワークを提案する。
我々のアプローチは、NeRFを用いて幾何学とビュー依存の外観を効率的に初期化することから始まります。
ジオメトリと共同で外観を洗練し、テクスチャ画像に変換してリアルタイムレンダリングします。
論文 参考訳(メタデータ) (2023-03-03T17:14:44Z)
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。