論文の概要: InsertNeRF: Instilling Generalizability into NeRF with HyperNet Modules

• arxiv url: http://arxiv.org/abs/2308.13897v1
• Date: Sat, 26 Aug 2023 14:50:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-29 18:17:18.561302
• Title: InsertNeRF: Instilling Generalizability into NeRF with HyperNet Modules
• Title（参考訳）: InsertNeRF: HyperNetモジュールによるNeRFへの一般化可能性の注入
• Authors: Yanqi Bao, Tianyu Ding, Jing Huo, Wenbin Li, Yuxin Li and Yang Gao
• Abstract要約: ニューラル・ラジアンス・フィールド(NeRF)を新しいシーンに一般化することは大きな課題である。 InsertNeRF, INStilling gEneRalizabiliTy into NeRF。
• 参考スコア（独自算出の注目度）: 24.73150151560723
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generalizing Neural Radiance Fields (NeRF) to new scenes is a significant challenge that existing approaches struggle to address without extensive modifications to vanilla NeRF framework. We introduce InsertNeRF, a method for INStilling gEneRalizabiliTy into NeRF. By utilizing multiple plug-and-play HyperNet modules, InsertNeRF dynamically tailors NeRF's weights to specific reference scenes, transforming multi-scale sampling-aware features into scene-specific representations. This novel design allows for more accurate and efficient representations of complex appearances and geometries. Experiments show that this method not only achieves superior generalization performance but also provides a flexible pathway for integration with other NeRF-like systems, even in sparse input settings. Code will be available https://github.com/bbbbby-99/InsertNeRF.
• Abstract（参考訳）: NeRF(Neural Radiance Fields)を新しいシーンに一般化することは、既存のアプローチがバニラのNeRFフレームワークに広範な変更を加えることなく対処する上で、大きな課題である。 汎用性をnrfに注入する方法であるinsertnerfを紹介する。 複数のプラグアンドプレイHyperNetモジュールを利用することで、InsertNeRFはNeRFの重みを特定の参照シーンに動的に調整し、マルチスケールのサンプリングアウェア機能をシーン固有の表現に変換する。 この新しい設計により、複雑な外観や幾何学をより正確かつ効率的に表現することができる。 実験により, この手法はより優れた一般化性能を実現するだけでなく, スパース入力設定においても他のNeRF系システムと統合するための柔軟な経路を提供することが示された。 コードはhttps://github.com/bbbbby-99/InsertNeRFで入手できる。

関連論文リスト

• Few-shot NeRF by Adaptive Rendering Loss Regularization [78.50710219013301]
  スパース入力を用いた新しいビュー合成はニューラルラジアンス場(NeRF)に大きな課題をもたらす 近年の研究では、位置レンダリングの周波数規則化は、数発のNeRFに対して有望な結果が得られることが示されている。 我々は,AR-NeRFと呼ばれる数発のNeRFに対して適応レンダリング損失正規化を提案する。
  論文  参考訳（メタデータ） (2024-10-23T13:05:26Z)
• Fast Sparse View Guided NeRF Update for Object Reconfigurations [42.947608325321475]
  我々は,NeRFの物理的変化に対する最初の更新手法を開発した。 提案手法では,新たな画像のみを余分な入力として処理し,トレーニング済みのNeRFを約1～2分で更新する。 私たちの中核となる考え方は、局所的な幾何学や外観の変化を学ぶために、第2のヘルパーNeRFを使うことです。
  論文  参考訳（メタデータ） (2024-03-16T22:00:16Z)
• HyperFields: Towards Zero-Shot Generation of NeRFs from Text [30.223443632782]
  テキスト条件付きニューラルラジアンスフィールド(NeRF)を1つのフォワードパスで生成するHyperFieldsを導入する。 i) テキストトークンの埋め込みからNeRF空間へのスムーズなマッピングを学習する動的ハイパーネットワーク; (ii) 個々のNeRFに符号化されたシーンを1つの動的ハイパーネットワークに蒸留するNeRF蒸留訓練。
  論文  参考訳（メタデータ） (2023-10-26T00:36:03Z)
• Enhancing NeRF akin to Enhancing LLMs: Generalizable NeRF Transformer with Mixture-of-View-Experts [88.23732496104667]
  クロスシーンの一般化可能なNeRFモデルは、NeRFフィールドの新たなスポットライトとなっている。 我々は、大規模言語モデルから強力なMixture-of-Experts(MoE)のアイデアを"神経化"アーキテクチャにブリッジする。 提案手法は,GNT-MOVE (Mixture-of-View-Experts) とよばれるモデルで,未知のシーンに移動する際の最先端の結果を実験的に示す。
  論文  参考訳（メタデータ） (2023-08-22T21:18:54Z)
• DReg-NeRF: Deep Registration for Neural Radiance Fields [66.69049158826677]
  我々は,人間の介入なしにオブジェクト中心のアノテートシーンにおけるNeRF登録問題を解くためにDReg-NeRFを提案する。 提案手法は,SOTAポイントクラウド登録方式を大きなマージンで打ち負かす。
  論文  参考訳（メタデータ） (2023-08-18T08:37:49Z)
• A General Implicit Framework for Fast NeRF Composition and Rendering [40.07666955244417]
  我々は、NeRFオブジェクトを高速に作成するための一般的な暗黙パイプラインを提案する。 我々の研究はニューラル深さ場(NeDF)と呼ばれる新しい表面表現を導入している。 交叉ニューラルネットワークを利用して、明示的な空間構造に依存するのではなく、NeRFをアクセラレーションにクエリする。
  論文  参考訳（メタデータ） (2023-08-09T02:27:23Z)
• Learning a Diffusion Prior for NeRFs [84.99454404653339]
  正規化グリッド上に符号化されたNeRFを生成するために拡散モデルを提案する。 提案モデルでは,現実的なNeRFのサンプル化が可能である一方で,条件付き世代を許容すると同時に,特定の観察をガイダンスとして与えることができることを示す。
  論文  参考訳（メタデータ） (2023-04-27T19:24:21Z)
• FreeNeRF: Improving Few-shot Neural Rendering with Free Frequency Regularization [32.1581416980828]
  本稿では、従来の手法よりも優れた驚くほど単純なベースラインである周波数正規化NeRF(FreeNeRF)を提案する。 我々は、数ショットのニューラルレンダリングにおける重要な課題を分析し、NeRFのトレーニングにおいて周波数が重要な役割を果たすことを発見した。
  論文  参考訳（メタデータ） (2023-03-13T18:59:03Z)
• NeRF-RPN: A general framework for object detection in NeRFs [54.54613914831599]
  NeRF-RPNは、シーン内のオブジェクトのすべてのバウンディングボックスを検出することを目的としている。 NeRF-RPNは一般的なフレームワークであり、クラスラベルなしでオブジェクトを検出できる。
  論文  参考訳（メタデータ） (2022-11-21T17:02:01Z)
• SinNeRF: Training Neural Radiance Fields on Complex Scenes from a Single Image [85.43496313628943]
  本稿では,一眼レフ(SinNeRF)フレームワークについて述べる。 SinNeRFは半教師付き学習プロセスを構築し,幾何学的擬似ラベルを導入・伝播する。 NeRF合成データセット、Local Light Field Fusionデータセット、DTUデータセットなど、複雑なシーンベンチマークで実験が行われる。
  論文  参考訳（メタデータ） (2022-04-02T19:32:42Z)

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。