論文の概要: NeuRBF: A Neural Fields Representation with Adaptive Radial Basis Functions

• arxiv url: http://arxiv.org/abs/2309.15426v1
• Date: Wed, 27 Sep 2023 06:32:05 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-28 16:49:22.031616
• Title: NeuRBF: A Neural Fields Representation with Adaptive Radial Basis Functions
• Title（参考訳）: NeuRBF: アダプティブラジアル基底関数を用いたニューラルネットワークの表現
• Authors: Zhang Chen, Zhong Li, Liangchen Song, Lele Chen, Jingyi Yu, Junsong Yuan, Yi Xu
• Abstract要約: 本稿では,信号表現に一般放射状基底を用いる新しいタイプのニューラルネットワークを提案する。 提案手法は, 空間適応性が高く, ターゲット信号により密着可能な, フレキシブルなカーネル位置と形状を持つ一般ラジアルベース上に構築する。 ニューラルラジアンス場再構成に適用した場合,本手法はモデルサイズが小さく,訓練速度が同等である最先端のレンダリング品質を実現する。
• 参考スコア（独自算出の注目度）: 93.02515761070201
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a novel type of neural fields that uses general radial bases for signal representation. State-of-the-art neural fields typically rely on grid-based representations for storing local neural features and N-dimensional linear kernels for interpolating features at continuous query points. The spatial positions of their neural features are fixed on grid nodes and cannot well adapt to target signals. Our method instead builds upon general radial bases with flexible kernel position and shape, which have higher spatial adaptivity and can more closely fit target signals. To further improve the channel-wise capacity of radial basis functions, we propose to compose them with multi-frequency sinusoid functions. This technique extends a radial basis to multiple Fourier radial bases of different frequency bands without requiring extra parameters, facilitating the representation of details. Moreover, by marrying adaptive radial bases with grid-based ones, our hybrid combination inherits both adaptivity and interpolation smoothness. We carefully designed weighting schemes to let radial bases adapt to different types of signals effectively. Our experiments on 2D image and 3D signed distance field representation demonstrate the higher accuracy and compactness of our method than prior arts. When applied to neural radiance field reconstruction, our method achieves state-of-the-art rendering quality, with small model size and comparable training speed.
• Abstract（参考訳）: 信号表現に一般的な放射状基底を用いる新しいタイプのニューラルネットワークを提案する。 最先端のニューラルフィールドは通常、局所的なニューラルネットワークの特徴を格納するためのグリッドベースの表現と、連続的なクエリポイントで特徴を補間するためのn次元線形カーネルに依存している。 神経特徴の空間的位置は格子ノードに固定されており、ターゲット信号に十分に適応できない。 提案手法は,より空間的適応性が高く,よりターゲット信号に適合するフレキシブルな核位置と形状を持つ一般ラジアルベースを基盤とする。 放射状基底関数のチャネルワイドキャパシティをさらに向上するため,多周波正弦波関数で合成することを提案する。 この手法は、周波数帯域の異なる複数のフーリエラジアルベースにラジアル基底を拡張し、余分なパラメータを必要とせず、詳細の表現を容易にする。 さらに,適応ラジアルベースをグリッドベースと組み合わせることで,適応性と補間スムーズ性の両方を継承する。 重み付けスキームを慎重に設計し,ラジアルベースが異なる種類の信号に効果的に対応できるようにした。 2次元画像と3次元符号付き距離場表現に関する実験は,先行技術よりも高精度でコンパクトであることを示す。 ニューラルラジアンス場再構成に適用した場合,本手法はモデルサイズが小さく,訓練速度が同等である最先端のレンダリング品質を実現する。

関連論文リスト

• 3D Equivariant Pose Regression via Direct Wigner-D Harmonics Prediction [50.07071392673984]
  既存の方法は、角度や四元数を用いて空間領域でパラメータ化された3次元回転を学習する。 本稿では,3次元回転回帰のためのWigner-D係数を直接予測する周波数領域アプローチを提案する。 提案手法は, ModelNet10-SO(3) や PASCAL3D+ などのベンチマーク上での最先端結果を実現する。
  論文  参考訳（メタデータ） (2024-11-01T12:50:38Z)
• N-BVH: Neural ray queries with bounding volume hierarchies [51.430495562430565]
  3Dコンピュータグラフィックスでは、シーンのメモリ使用量の大部分がポリゴンとテクスチャによるものである。 N-BVHは3次元の任意の光線クエリに応答するように設計されたニューラル圧縮アーキテクチャである。 本手法は, 視認性, 深度, 外観特性を忠実に近似する。
  論文  参考訳（メタデータ） (2024-05-25T13:54:34Z)
• Weighted Monte Carlo augmented spherical Fourier-Bessel convolutional layers for 3D abdominal organ segmentation [0.31410859223862103]
  フィルタ分解に基づく3次元群同変ニューラルネットワークは, 3次元画像特徴抽出において有望な安定性とデータ効率を示す。 本稿では、3次元医用画像分割のためのパラメータ共有アフィン群同変ニューラルネットワークについて述べる。 採用した非パラメータ共有戦略の効率性と柔軟性は、ボリュームデータに対する3Dアフィン群同変畳み込みニューラルネットワークの効率的な実装を可能にする。
  論文  参考訳（メタデータ） (2024-02-26T18:51:15Z)
• Hybrid Neural Representations for Spherical Data [25.080272865553003]
  我々は,Hybrid Neural Representations for Spherical Data (HNeR-S)という新しい手法を提案する。 主目的は、球面特徴格子を用いて、多層認識と組み合わせた位置特徴を求め、目標信号を予測することである。 気象データとCMBデータに一致した等方的および階層的等方性等方性等方性画素化構造を持つ特徴格子について考察する。
  論文  参考訳（メタデータ） (2024-02-05T13:03:00Z)
• HYVE: Hybrid Vertex Encoder for Neural Distance Fields [9.40036617308303]
  本稿では,1つの前方パスにおける3次元形状の正確な符号化に適したニューラルネットワークアーキテクチャを提案する。 我々のネットワークは、非ゼロ距離値や形状占有の事前知識を明示することなく、有効な符号付き距離場を出力することができる。
  論文  参考訳（メタデータ） (2023-10-10T14:07:37Z)
• Disorder-invariant Implicit Neural Representation [32.510321385245774]
  入射神経表現(INR)は、信号の属性を対応する座標の関数として特徴づける。 本稿では、従来のINRバックボーンにハッシュテーブルを付加することにより、障害不変な暗黙的神経表現(DINER)を提案する。
  論文  参考訳（メタデータ） (2023-04-03T09:28:48Z)
• Sionna RT: Differentiable Ray Tracing for Radio Propagation Modeling [65.17711407805756]
  Sionnaは、リンクレベルのシミュレーションをベースとしたGPUアクセラレーションのオープンソースライブラリである。 リリース v0.14 以降、電波伝搬のシミュレーションのために微分可能なレイトレーサ (RT) を統合している。
  論文  参考訳（メタデータ） (2023-03-20T13:40:11Z)
• Learning Smooth Neural Functions via Lipschitz Regularization [92.42667575719048]
  ニューラルフィールドにおけるスムーズな潜伏空間を促進するために設計された新しい正規化を導入する。 従来のリプシッツ正規化ネットワークと比較して、我々のアルゴリズムは高速で、4行のコードで実装できる。
  論文  参考訳（メタデータ） (2022-02-16T21:24:54Z)
• Geodesic squared exponential kernel for non-rigid shape registration [0.0]
  この研究は、3Dスキャンの非剛性登録の問題に対処する。 ガウスプロセス型モデルのためのジオデシックに基づく新しいカーネルを提案する。 本研究では,ジオデシック2乗指数カーネルが,顔登録作業において,技術カーネルの状態よりもはるかに優れた性能を示すことを示す。
  論文  参考訳（メタデータ） (2021-12-22T13:01:00Z)
• Neural Splines: Fitting 3D Surfaces with Infinitely-Wide Neural Networks [61.07202852469595]
  本稿では,無限幅浅部ReLUネットワークから生じるランダムな特徴カーネルをベースとした3次元表面再構成手法であるNeural Splinesを提案する。 提案手法は,最近のニューラルネットワーク技術より優れ,ポアソン表面再構成に広く用いられている。
  論文  参考訳（メタデータ） (2020-06-24T14:54:59Z)

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。