Fugu-MT 論文翻訳(概要): Deep and Fast Approximate Order Independent Transparency

論文の概要: Deep and Fast Approximate Order Independent Transparency

arxiv url: http://arxiv.org/abs/2305.10197v1
Date: Wed, 17 May 2023 13:21:45 GMT
ステータス: 処理完了
システム内更新日: 2023-05-18 16:00:04.534085
Title: Deep and Fast Approximate Order Independent Transparency
Title（参考訳）: 深部および高速な近似順序独立透明性
Authors: Grigoris Tsopouridis, Andreas-Alexandros Vasilakis, Ioannis Fudos
Abstract要約: 順序独立透明性(OIT)を効率的に計算するための機械学習手法を提案する。提案手法は高速で,メモリの一定量が少なく,従来の近似手法に比べて精度が高い。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present a machine learning approach for efficiently computing order independent transparency (OIT). Our method is fast, requires a small constant amount of memory (depends only on the screen resolution and not on the number of triangles or transparent layers), is more accurate as compared to previous approximate methods, works for every scene without setup and is portable to all platforms running even with commodity GPUs. Our method requires a rendering pass to extract all features that are subsequently used to predict the overall OIT pixel color with a pre-trained neural network. We provide a comparative experimental evaluation and shader source code of all methods for reproduction of the experiments.
Abstract（参考訳）: 注文独立透明性(OIT)を効率的に計算するための機械学習手法を提案する。提案手法は高速で,メモリ容量が一定であり(三角形や透明層の数に依存せず,画面解像度にのみ依存する),従来の近似手法よりも精度が高く,セットアップなしですべてのシーンで動作し,コモディティGPUでも動作するすべてのプラットフォームに移植可能である。本手法では,事前学習したニューラルネットワークを用いてoitピクセル全体の色を予測するために使用されるすべての特徴を描画パスで抽出する。実験を再現するためのすべての方法について,比較実験評価とシェーダソースコードを提供する。

関連論文リスト

Multispectral Texture Synthesis using RGB Convolutional Neural Networks [2.3213238782019316]
最先端のRGBテクスチャ合成アルゴリズムは、深い特徴の統計によって計算されるスタイル距離に依存している。本稿では,これらの手法をマルチスペクトルイメージングに拡張する2つの方法を提案する。
論文参考訳（メタデータ） (2024-10-21T13:49:54Z)
MOCA: Self-supervised Representation Learning by Predicting Masked Online Codebook Assignments [72.6405488990753]
自己教師付き学習は、ビジョントランスフォーマーネットワークの欲求を軽減できる。所望のプロパティを統一する単段および単段のMOCAを提案する。我々は,様々な評価プロトコルにおいて,低照度設定と強力な実験結果に対して,最先端の新たな結果を得る。
論文参考訳（メタデータ） (2023-07-18T15:46:20Z)
ALSO: Automotive Lidar Self-supervision by Occupancy estimation [70.70557577874155]
本稿では,ポイントクラウド上で動作している深層知覚モデルのバックボーンを事前学習するための自己教師型手法を提案する。中心となる考え方は、3Dポイントがサンプリングされる表面の再構成であるプリテキストタスクでモデルをトレーニングすることである。直感的には、もしネットワークがわずかな入力ポイントのみを考慮し、シーン表面を再構築できるなら、おそらく意味情報の断片をキャプチャする。
論文参考訳（メタデータ） (2022-12-12T13:10:19Z)
VPIT: Real-time Embedded Single Object 3D Tracking Using Voxel Pseudo Images [90.60881721134656]
本稿では,Voxel Pseudo Image Tracking (VPIT) という,Voxel-based 3D Single Object Tracking (3D SOT) 手法を提案する。 KITTI追跡データセットの実験は、VPITが最速の3D SOT法であり、競合的な成功と精度の値を維持することを示している。
論文参考訳（メタデータ） (2022-06-06T14:02:06Z)
RGB-D Local Implicit Function for Depth Completion of Transparent Objects [43.238923881620494]
ロボット工学における認識方法の大部分は、RGB-Dカメラが提供する深度情報を必要とする。標準的な3Dセンサーは、屈折と光の吸収により透明な物体の深さを捉えられない。ノイズの多いRGB-D入力を考慮し,欠損深度を完備できる新しいフレームワークを提案する。
論文参考訳（メタデータ） (2021-04-01T17:00:04Z)
Displacement-Invariant Cost Computation for Efficient Stereo Matching [122.94051630000934]
ディープラーニング手法は、前例のない不一致の精度を得ることによって、ステレオマッチングのリーダーボードを支配してきた。しかし、その推測時間は一般的に540p画像の秒数で遅い。本研究では,4次元特徴量を必要としないEmphdisplacement-invariant cost moduleを提案する。
論文参考訳（メタデータ） (2020-12-01T23:58:16Z)
Fast, Self Supervised, Fully Convolutional Color Normalization of H&E Stained Images [3.1329883315045106]
色の変化は、病理組織学における自動診断システムのためのディープラーニングベースのソリューションの展開に問題を引き起こす。本稿では,自己教師付きトレーニングと推論において高速な色正規化手法を提案する。本手法は,軽量な完全畳み込みニューラルネットワークをベースとして,深層学習に基づくパイプラインに前処理ブロックとして容易に取り付けることができる。
論文参考訳（メタデータ） (2020-11-30T17:05:58Z)
Monocular, One-stage, Regression of Multiple 3D People [105.3143785498094]
我々は、複数の3D人物(ROMP)のための1段階方式で全てのメッシュを回帰することを提案する。本手法は,体温マップとメッシュマップを同時に予測し,画素レベルの3Dボディメッシュを共同で記述する。最先端の手法と比較して、ROMPは挑戦的なマルチパーソンベンチマークよりも優れた性能を示した。
論文参考訳（メタデータ） (2020-08-27T17:21:47Z)
Unsupervised Learning of Visual Features by Contrasting Cluster Assignments [57.33699905852397]
ペア比較の計算を必要とせず,コントラスト的手法を生かしたオンラインアルゴリズムSwaVを提案する。本手法では,クラスタ割り当て間の一貫性を保ちながら,同時にデータをクラスタ化する。我々の方法は大規模で小さなバッチで訓練でき、無制限のデータにスケールできる。
論文参考訳（メタデータ） (2020-06-17T14:00:42Z)
DPDnet: A Robust People Detector using Deep Learning with an Overhead Depth Camera [9.376814409561726]
本研究では,高信頼度で1つの頭上深度画像から複数の人物を検出する手法を提案する。 DPDnetと呼ばれるニューラルネットワークは、残層に基づく2つの完全畳み込みエンコーダデコーダニューラルブロックに基づいている。実験の結果、PDNetは最先端の手法よりも優れており、3つの異なる公開データセットで99%以上のアキュラシーを達成している。
論文参考訳（メタデータ） (2020-06-01T16:28:25Z)
Visual Descriptor Learning from Monocular Video [25.082587246288995]
完全畳み込みネットワークを訓練することにより,RGB画像上の高密度対応性を推定する手法を提案する。提案手法は,光学的流れから相対的なラベリングを推定するコントラッシブ・ロスを用いてRGBビデオから学習する。同じバックグラウンドを持つテストデータに対して、メソッドがうまく機能するだけでなく、新しいバックグラウンドを持つ状況にも一般化する。
論文参考訳（メタデータ） (2020-04-15T11:19:57Z)

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。