論文の概要: Ref-DVGO: Reflection-Aware Direct Voxel Grid Optimization for an
Improved Quality-Efficiency Trade-Off in Reflective Scene Reconstruction
- arxiv url: http://arxiv.org/abs/2308.08530v3
- Date: Mon, 21 Aug 2023 07:22:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-22 10:23:56.964697
- Title: Ref-DVGO: Reflection-Aware Direct Voxel Grid Optimization for an
Improved Quality-Efficiency Trade-Off in Reflective Scene Reconstruction
- Title(参考訳): ref-dvgo:リフレクションシーン再構成における品質効率向上のためのリフレクションアウェア直接ボクセルグリッド最適化
- Authors: Georgios Kouros and Minye Wu and Shubham Shrivastava and Sushruth
Nagesh and Punarjay Chakravarty and Tinne Tuytelaars
- Abstract要約: 本稿では,再構築の質を高め,トレーニングとレンダリングを高速化するための暗黙的・明示的なアプローチを提案する。
提案手法は, 競合する手法と比較して, 競合する品質効率のトレードオフを実現する。
- 参考スコア(独自算出の注目度): 40.90266517194767
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Neural Radiance Fields (NeRFs) have revolutionized the field of novel view
synthesis, demonstrating remarkable performance. However, the modeling and
rendering of reflective objects remain challenging problems. Recent methods
have shown significant improvements over the baselines in handling reflective
scenes, albeit at the expense of efficiency. In this work, we aim to strike a
balance between efficiency and quality. To this end, we investigate an
implicit-explicit approach based on conventional volume rendering to enhance
the reconstruction quality and accelerate the training and rendering processes.
We adopt an efficient density-based grid representation and reparameterize the
reflected radiance in our pipeline. Our proposed reflection-aware approach
achieves a competitive quality efficiency trade-off compared to competing
methods. Based on our experimental results, we propose and discuss hypotheses
regarding the factors influencing the results of density-based methods for
reconstructing reflective objects. The source code is available at
https://github.com/gkouros/ref-dvgo.
- Abstract(参考訳): ニューラル・ラミアンス・フィールド(nerfs)は、目覚ましい性能を示す新しい視点合成の分野に革命をもたらした。
しかし、反射オブジェクトのモデリングとレンダリングは依然として困難な問題である。
近年の手法は, 効率を犠牲にしながらも, 反射シーンの処理において, ベースラインよりも大幅に改善されている。
この作業では、効率と品質のバランスを取ることを目指しています。
そこで本研究では,従来のボリュームレンダリングに基づく暗黙的探索手法を用いて,復元品質の向上とトレーニングとレンダリングプロセスを高速化する。
我々は高効率密度グリッド表現を採用し、パイプライン内の反射放射率を再パラメータ化する。
提案手法は, 競合する手法と比較して, 競合する品質効率のトレードオフを実現する。
実験結果に基づいて, 反射物体を再構成する密度法の結果に影響を及ぼす要因に関する仮説を提案し, 議論する。
ソースコードはhttps://github.com/gkouros/ref-dvgoで入手できる。
関連論文リスト
- Building Bridges across Spatial and Temporal Resolutions: Reference-Based Super-Resolution via Change Priors and Conditional Diffusion Model [13.368558322546784]
RefSRは、リモートセンシング画像の空間的および時間的解像度にまたがる橋を構築する可能性がある。
条件付き拡散モデルにより、現実的な高解像度画像を生成する新たな機会が開かれた。
本稿では,RefSRに対するRef-Diffを提案する。
論文 参考訳(メタデータ) (2024-03-26T07:48:49Z) - Single Image Reflection Removal with Reflection Intensity Prior
Knowledge [14.335849624907611]
本稿では、反射現象の強度を捉えるための一般的な反射強度を提案する。
画像の領域パッチへの分割により、RPENは画像に先立って一様でない反射を学習する。
本稿では, 単純なトランスフォーマU-Netアーキテクチャを用いて, プリエントベース反射除去ネットワーク(PRRN)を提案する。
論文 参考訳(メタデータ) (2023-12-06T14:52:11Z) - 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) - TraM-NeRF: Tracing Mirror and Near-Perfect Specular Reflections through
Neural Radiance Fields [3.061835990893184]
NeRF(Neural Radiance Fields)のような暗黙の表現は、複雑なシーンを細かな詳細でレンダリングするための印象的な結果を示した。
本研究では,NeRF内部のボリュームレンダリングに適した新しいリフレクショントレーシング手法を提案する。
少数の試料から,光線による重要サンプリングと透過率計算の効率的な手法を導出した。
論文 参考訳(メタデータ) (2023-10-16T17:59:56Z) - TensoIR: Tensorial Inverse Rendering [51.57268311847087]
テンソルIRはテンソル分解とニューラルフィールドに基づく新しい逆レンダリング手法である。
TensoRFは、放射場モデリングのための最先端のアプローチである。
論文 参考訳(メタデータ) (2023-04-24T21:39:13Z) - NerfingMVS: Guided Optimization of Neural Radiance Fields for Indoor
Multi-view Stereo [97.07453889070574]
本稿では,従来のSfM再構成と学習に基づく先行手法を併用した多視点深度推定手法を提案する。
提案手法は室内シーンにおける最先端手法を著しく上回ることを示す。
論文 参考訳(メタデータ) (2021-09-02T17:54:31Z) - ReflectNet -- A Generative Adversarial Method for Single Image
Reflection Suppression [0.6980076213134382]
本稿では,文脈理解モジュールと敵対的学習に基づく単一の画像反射除去手法を提案する。
提案手法は,PSNR と SSIM の観点から,SIR のベンチマークデータセット上で,最先端の手法よりも優れる。
論文 参考訳(メタデータ) (2021-05-11T17:33:40Z) - Towards High Fidelity Monocular Face Reconstruction with Rich
Reflectance using Self-supervised Learning and Ray Tracing [49.759478460828504]
ディープニューラルネットワークエンコーダと異なるレンダリングを組み合わせた手法が、幾何学、照明、反射の非常に高速な単分子再構成の道を開いた。
古典的な最適化ベースのフレームワーク内での単眼顔再構築のためにレイトレースが導入されました。
一般シーンにおける復元品質と堅牢性を大幅に向上させる新しい手法を提案します。
論文 参考訳(メタデータ) (2021-03-29T08:58:10Z) - Two-Stage Single Image Reflection Removal with Reflection-Aware Guidance [78.34235841168031]
シングルイメージリフレクション除去(SIRR)のためのリフレクション・アウェア・ガイダンス(RAGNet)を用いた新しい2段階ネットワークを提案する。
RAGは、(i)観測からの反射の効果を緩和するために、(ii)線形結合仮説から逸脱する効果を緩和するための部分畳み込みにおいてマスクを生成するために用いられる。
5つの一般的なデータセットの実験は、最先端のSIRR法と比較して、RAGNetの量的および質的な優位性を実証している。
論文 参考訳(メタデータ) (2020-12-02T03:14:57Z) - Single image reflection removal via learning with multi-image
constraints [50.54095311597466]
本稿では、上記のアプローチの利点を組み合わせ、その欠点を克服する新しい学習ベースソリューションを提案する。
提案アルゴリズムはディープニューラルネットワークを学習して、複数の入力画像間で強化されたジョイント制約でターゲットを最適化する。
我々のアルゴリズムは実画像上でリアルタイムかつ最先端の反射除去性能で動作する。
論文 参考訳(メタデータ) (2019-12-08T06:10:49Z)
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。