論文の概要: Strivec: Sparse Tri-Vector Radiance Fields

• arxiv url: http://arxiv.org/abs/2307.13226v1
• Date: Tue, 25 Jul 2023 03:30:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-26 18:23:26.271399
• Title: Strivec: Sparse Tri-Vector Radiance Fields
• Title（参考訳）: effortc:スパーストライベクター放射場
• Authors: Quankai Gao, Qiangeng Xu, Hao Su, Ulrich Neumann, Zexiang Xu
• Abstract要約: Strivecは、3Dシーンをわずかに分散されコンパクトに分解された局所テンソル特徴格子を持つ放射場としてモデル化する新しい表現である。 我々は,従来の手法よりもはるかに少ないパラメータを使用しながら,レンダリング品質を向上できることを実証した。
• 参考スコア（独自算出の注目度）: 33.107940619498684
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: We propose Strivec, a novel neural representation that models a 3D scene as a radiance field with sparsely distributed and compactly factorized local tensor feature grids. Our approach leverages tensor decomposition, following the recent work TensoRF, to model the tensor grids. In contrast to TensoRF which uses a global tensor and focuses on their vector-matrix decomposition, we propose to utilize a cloud of local tensors and apply the classic CANDECOMP/PARAFAC (CP) decomposition to factorize each tensor into triple vectors that express local feature distributions along spatial axes and compactly encode a local neural field. We also apply multi-scale tensor grids to discover the geometry and appearance commonalities and exploit spatial coherence with the tri-vector factorization at multiple local scales. The final radiance field properties are regressed by aggregating neural features from multiple local tensors across all scales. Our tri-vector tensors are sparsely distributed around the actual scene surface, discovered by a fast coarse reconstruction, leveraging the sparsity of a 3D scene. We demonstrate that our model can achieve better rendering quality while using significantly fewer parameters than previous methods, including TensoRF and Instant-NGP.
• Abstract（参考訳）: Strivecは,局所テンソル特徴格子の分散化とコンパクト化を図った3次元シーンを放射場としてモデル化したニューラル表現である。 提案手法は, テンソルグリッドをモデル化するために, テンソル分解を利用する。 本研究では,大域テンソルを用いたテンソルのベクトル行列分解に着目したテンソルRFとは対照的に,局所テンソルの雲を利用して従来のCANDECOMP/PARAFAC(CP)分解を適用し,各テンソルを空間軸に沿って局所的特徴分布を表現し,局所的ニューラルネットワークをコンパクトに符号化する3つのベクトルに分解する。 また,多スケールテンソル格子を用いて幾何学と外観の共通性を発見し,複数の局所スケールにおける三ベクトル分解と空間的コヒーレンスを利用する。 最終放射場特性は、全てのスケールにわたる複数の局所テンソルからの神経的特徴の集約によって回帰される。 高速な粗い再構成により3次元シーンの空間性を生かし, 実際のシーンの周囲に微小に3ベクトルテンソルを配置する。 本研究では,テンソRFやInstant-NGPなど,従来の手法よりもはるかに少ないパラメータでレンダリング品質を向上できることを示す。

関連論文リスト

• Geometric Algebra Planes: Convex Implicit Neural Volumes [70.12234371845445]
  GA-Planes はスパース低ランク係数と低分解能行列と等価であることを示す。 また,GA-Planeは既存の表現にも適用可能であることを示す。
  論文  参考訳（メタデータ） (2024-11-20T18:21:58Z)
• Neural Signed Distance Function Inference through Splatting 3D Gaussians Pulled on Zero-Level Set [49.780302894956776]
  多視点表面再構成における符号付き距離関数(SDF)の推測は不可欠である。 本稿では3DGSとニューラルSDFの学習をシームレスに融合する手法を提案する。 我々の数値的および視覚的比較は、広く使用されているベンチマークの最先端結果よりも優れていることを示している。
  論文  参考訳（メタデータ） (2024-10-18T05:48:06Z)
• Gaussian Opacity Fields: Efficient Adaptive Surface Reconstruction in Unbounded Scenes [50.92217884840301]
  Gaussian Opacity Fields (GOF)は、シーンにおける効率的で高品質で適応的な表面再構成のための新しいアプローチである。 GOFは3Dガウスのレイトレーシングに基づくボリュームレンダリングに由来する。 GOFは、表面再構成と新しいビュー合成において、既存の3DGSベースの手法を超越している。
  論文  参考訳（メタデータ） (2024-04-16T17:57:19Z)
• pixelSplat: 3D Gaussian Splats from Image Pairs for Scalable Generalizable 3D Reconstruction [26.72289913260324]
  pixelSplatは、画像のペアから3次元ガウスプリミティブによってパラメータ化された3次元放射界の再構成を学ぶフィードフォワードモデルである。 我々のモデルは、スケーラブルなトレーニングのためのリアルタイム・メモリ効率のレンダリングと、推論時の高速な3次元再構成を特徴としている。
  論文  参考訳（メタデータ） (2023-12-19T17:03:50Z)
• Tensor Decomposition Based Attention Module for Spiking Neural Networks [18.924242014716647]
  我々は、線形に成長するパラメータで優れた結果を示すテキストプロジェクションフルアテンション(PFA)モジュールを設計する。 本手法は,静的ベンチマークと動的ベンチマークの両方において,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2023-10-23T05:25:49Z)
• Low-Rank Tensor Function Representation for Multi-Dimensional Data Recovery [52.21846313876592]
  低ランクテンソル関数表現(LRTFR)は、無限解像度でメッシュグリッドを超えてデータを連続的に表現することができる。 テンソル関数に対する2つの基本的な概念、すなわちテンソル関数ランクとローランクテンソル関数分解を開発する。 提案手法は,最先端手法と比較して,提案手法の優越性と汎用性を裏付けるものである。
  論文  参考訳（メタデータ） (2022-12-01T04:00:38Z)
• TensoRF: Tensorial Radiance Fields [74.16791688888081]
  本稿では、放射場をモデル化・再構成するための新しいアプローチであるTensoRFを提案する。 我々は,シーンの放射界を4次元テンソルとしてモデル化し,ボクセルごとのマルチチャネル特徴を持つ3次元ボクセル格子を表現した。 CP分解したTensoRFは高速な再構成(30分)を実現し,レンダリング品質が向上し,NeRFに比べてモデルサイズが小さい(4MB)。
  論文  参考訳（メタデータ） (2022-03-17T17:59:59Z)
• 2D+3D facial expression recognition via embedded tensor manifold regularization [16.98176664818354]
  2D+3次元表情認識(FERETMR)のための埋め込みテンソル多様体正規化による新しい手法を提案する。 定常点の観点から一階最適条件を確立し、収束解析によるブロック座標降下(BCD)アルゴリズムを設計する。 BU-3DFEデータベースとBosphorusデータベースの数値計算結果から,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2022-01-29T06:11:00Z)

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。