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

• Convex Distillation: Efficient Compression of Deep Networks via Convex Optimization [46.18363767705346]
  リソース制約のあるデバイスに大規模で複雑な凸ネットワークを配置することは、その要求のために大きな課題となった。 本稿では,本モデルを用いてモデルを効率よく圧縮する新しい蒸留技術を紹介する。 当社のアプローチでは,後処理を必要とせずに,オリジナルモデルに匹敵するパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2024-10-09T06:04:52Z)
• Neural NeRF Compression [19.853882143024]
  最近のNeRFは、レンダリング品質とスピードを改善するために機能グリッドを利用している。 これらの表現は、大きなストレージオーバーヘッドをもたらす。 本稿では,グリッドベースNeRFモデルを効率よく圧縮する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-06-13T09:12:26Z)
• Spatial Annealing Smoothing for Efficient Few-shot Neural Rendering [106.0057551634008]
  我々は,Spatial Annealing smoothing regularized NeRF (SANeRF) という,正確で効率的な数発のニューラルレンダリング手法を導入する。 単に1行のコードを追加することで、SANeRFは現在の数ショットのNeRF法と比較して、より優れたレンダリング品質とはるかに高速な再構築速度を提供する。
  論文  参考訳（メタデータ） (2024-06-12T02:48:52Z)
• NeRF-Casting: Improved View-Dependent Appearance with Consistent Reflections [57.63028964831785]
  最近の研究は、遠方の環境照明の詳細な明細な外観を描画するNeRFの能力を改善しているが、近い内容の一貫した反射を合成することはできない。 我々はこれらの問題をレイトレーシングに基づくアプローチで解決する。 このモデルでは、それぞれのカメラ線に沿った点における視界依存放射率を求めるために高価なニューラルネットワークをクエリする代わりに、これらの点から光を流し、NeRF表現を通して特徴ベクトルを描画します。
  論文  参考訳（メタデータ） (2024-05-23T17:59:57Z)
• 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)
• 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)

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。