論文の概要: Compact Real-time Radiance Fields with Neural Codebook
- arxiv url: http://arxiv.org/abs/2305.18163v1
- Date: Mon, 29 May 2023 15:49:20 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-30 14:32:47.434530
- Title: Compact Real-time Radiance Fields with Neural Codebook
- Title(参考訳): ニューラルコードブックを用いたコンパクトリアルタイム放射光場
- Authors: Lingzhi Li, Zhongshu Wang, Zhen Shen, Li Shen, Ping Tan
- Abstract要約: 本稿では,圧縮手法の観点から,コンパクトな放射場を追求する枠組みを提案する。
グリッドモデルに現れる固有の特性を利用することで、モデルの複雑さを著しく低減するために、一様でない圧縮ステムを開発する。
我々のアプローチは、競争力のあるレンダリング品質を持つグリッドモデルのストレージを40ドル以上削減できる。
- 参考スコア(独自算出の注目度): 32.856346090347174
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reconstructing neural radiance fields with explicit volumetric
representations, demonstrated by Plenoxels, has shown remarkable advantages on
training and rendering efficiency, while grid-based representations typically
induce considerable overhead for storage and transmission. In this work, we
present a simple and effective framework for pursuing compact radiance fields
from the perspective of compression methodology. By exploiting intrinsic
properties exhibiting in grid models, a non-uniform compression stem is
developed to significantly reduce model complexity and a novel parameterized
module, named Neural Codebook, is introduced for better encoding high-frequency
details specific to per-scene models via a fast optimization. Our approach can
achieve over 40 $\times$ reduction on grid model storage with competitive
rendering quality. In addition, the method can achieve real-time rendering
speed with 180 fps, realizing significant advantage on storage cost compared to
real-time rendering methods.
- Abstract(参考訳): プレノッセルによる明示的なボリューム表現による神経放射野の再構成は、トレーニングとレンダリング効率において顕著な利点を示し、グリッドベースの表現は通常、記憶と伝達にかなりのオーバーヘッドをもたらす。
本稿では,圧縮手法の観点から,コンパクトな放射場を追求するための簡易かつ効果的なフレームワークを提案する。
グリッドモデルに現れる固有の特性を利用して、モデル複雑性を著しく低減する非一様圧縮ステムを開発し、高速な最適化により、シーンごとのモデル固有の高周波の詳細を符号化する新しいパラメータ化モジュールであるNeural Codebookを導入した。
私たちのアプローチは、競合するレンダリング品質で、グリッドモデルストレージを40ドル以上削減できます。
さらに,180fpsでリアルタイムレンダリングの高速化を実現し,リアルタイムレンダリングに比べてストレージコストが大幅に向上した。
関連論文リスト
- FrameNeRF: A Simple and Efficient Framework for Few-shot Novel View
Synthesis [25.356376402671536]
FrameNeRFは、高速なトレーニング速度と高速なレンダリング品質を備えた市販の高速高忠実度NeRFモデルを、数発の新規ビュー合成タスクに適用するように設計されている。
論文 参考訳(メタデータ) (2024-02-22T14:41:02Z) - Adaptive Shells for Efficient Neural Radiance Field Rendering [92.18962730460842]
本稿では, 表面および表面のレンダリングを円滑に遷移させるニューラル放射率の定式化を提案する。
我々の手法は、非常に高い忠実度で効率的なレンダリングを可能にする。
また,抽出したエンベロープは,アニメーションやシミュレーションなどの下流アプリケーションを可能にすることを示す。
論文 参考訳(メタデータ) (2023-11-16T18:58:55Z) - VoxNeRF: Bridging Voxel Representation and Neural Radiance Fields for
Enhanced Indoor View Synthesis [51.49008959209671]
本稿では,室内ビュー合成の品質と効率を高めるために,ボリューム表現を活用する新しいアプローチであるVoxNeRFを紹介する。
我々は,空間的特徴を適応的に捉えるためにマルチレゾリューション・ハッシュ・グリッドを使用し,室内シーンの閉塞や複雑な形状を効果的に管理する。
我々は,3つの屋内データセットに対するアプローチを検証するとともに,VoxNeRFが最先端の手法より優れていることを示す。
論文 参考訳(メタデータ) (2023-11-09T11:32:49Z) - VQ-NeRF: Vector Quantization Enhances Implicit Neural Representations [25.88881764546414]
VQ-NeRFは、ベクトル量子化による暗黙の神経表現を強化するための効率的なパイプラインである。
圧縮および原スケールの両スケールでNeRFモデルを同時に最適化する,革新的なマルチスケールNeRFサンプリング方式を提案する。
我々は3次元再構成の幾何学的忠実度とセマンティックコヒーレンスを改善するためにセマンティックロス関数を組み込んだ。
論文 参考訳(メタデータ) (2023-10-23T01:41:38Z) - Neural Residual Radiance Fields for Streamably Free-Viewpoint Videos [69.22032459870242]
本稿では,Residual Radiance Field(ReRF)という新しい手法を提案する。
このような戦略は品質を犠牲にすることなく大きな動きを扱えることを示す。
ReRFに基づいて,3桁の圧縮率を達成する特別なFVVを設計し,ダイナミックシーンの長期FVVのオンラインストリーミングをサポートするReRFプレーヤを提供する。
論文 参考訳(メタデータ) (2023-04-10T08:36:00Z) - Grid-guided Neural Radiance Fields for Large Urban Scenes [146.06368329445857]
近年のアプローチでは、シーンを地理的に分割し、複数のサブNeRFを採用して各領域を個別にモデル化する手法が提案されている。
もう一つの解決策は、計算効率が良く、大きなシーンに自然にスケールできる機能グリッド表現を使用することである。
本稿では,大規模都市における高忠実度レンダリングを実現し,計算効率を向上する枠組みを提案する。
論文 参考訳(メタデータ) (2023-03-24T13:56:45Z) - Online Neural Path Guiding with Normalized Anisotropic Spherical
Gaussians [20.68953631807367]
1つの小さなニューラルネットワークを用いて空間変動密度モデルを学習するための新しいオンラインフレームワークを提案する。
我々のフレームワークは、段階的に分布を学習し、ウォームアップフェーズは不要である。
論文 参考訳(メタデータ) (2023-03-11T05:22:42Z) - Compressing Volumetric Radiance Fields to 1 MB [19.380248980850727]
体積格子による放射界の近似は、NeRFを改善する上で有望な方向の1つである。
本稿では,ベクトル量子化放射場 (VQRF) と呼ばれる,これらの体積グリッドに基づく放射場を圧縮するための,単純で効果的なフレームワークを提案する。
提案手法は,効率的なジョイントチューニング戦略と後処理を組み合わせることで,モデル全体のサイズを1MBに減らし,100$times$の圧縮比を達成できる。
論文 参考訳(メタデータ) (2022-11-29T17:11:25Z) - Streaming Radiance Fields for 3D Video Synthesis [32.856346090347174]
本稿では,実世界のダイナミックシーンの新たなビュー合成のための,ストリーミングレージアンス場再構築のための明示的グリッドベース手法を提案する。
挑戦的なビデオシーケンスの実験により、我々の手法は、フレーム当たり15秒のトレーニング速度を、競合的なレンダリング品質で達成できることが示されている。
論文 参考訳(メタデータ) (2022-10-26T16:23:02Z) - Fast Dynamic Radiance Fields with Time-Aware Neural Voxels [106.69049089979433]
タイムアウェアなボクセル特徴を持つシーンを表現し,TiNeuVoxという名前のラジアンスフィールドフレームワークを提案する。
我々のフレームワークは、高いレンダリング品質を維持しながら、動的ラディアンスフィールドの最適化を加速する。
TiNeuVoxは8分と8MBのストレージでトレーニングを完了しています。
論文 参考訳(メタデータ) (2022-05-30T17:47:31Z) - NeRF in detail: Learning to sample for view synthesis [104.75126790300735]
ニューラルレイディアンス場(NeRF)法は目覚ましい新しいビュー合成を実証している。
この作業では、バニラ粗大なアプローチの明確な制限に対処します -- パフォーマンスに基づいており、手元にあるタスクのエンドツーエンドをトレーニングしていません。
我々は、サンプルの提案と、そのネットワークにおける重要性を学習し、そのニューラルネットワークアーキテクチャに対する複数の代替案を検討し比較する、微分可能なモジュールを導入する。
論文 参考訳(メタデータ) (2021-06-09T17:59:10Z)
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。