論文の概要: Real-Time Neural BRDF with Spherically Distributed Primitives
- arxiv url: http://arxiv.org/abs/2310.08332v1
- Date: Thu, 12 Oct 2023 13:46:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-14 11:08:12.960319
- Title: Real-Time Neural BRDF with Spherically Distributed Primitives
- Title（参考訳）: 球分散プリミティブを用いたリアルタイムニューラルBRDF
- Authors: Yishun Dou, Zhong Zheng, Qiaoqiao Jin, Bingbing Ni, Yugang Chen and
Junxiang Ke
- Abstract要約: 本稿では,高性能な材料表現を実現するニューラルBRDFを提案する。
その結果,本システムは様々な外観でリアルタイムレンダリングを実現していることがわかった。
- 参考スコア（独自算出の注目度）: 35.09149879060455
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose a novel compact and efficient neural BRDF offering highly
versatile material representation, yet with very-light memory and neural
computation consumption towards achieving real-time rendering. The results in
Figure 1, rendered at full HD resolution on a current desktop machine, show
that our system achieves real-time rendering with a wide variety of
appearances, which is approached by the following two designs. On the one hand,
noting that bidirectional reflectance is distributed in a very sparse
high-dimensional subspace, we propose to project the BRDF into two
low-dimensional components, i.e., two hemisphere feature-grids for incoming and
outgoing directions, respectively. On the other hand, learnable neural
reflectance primitives are distributed on our highly-tailored spherical surface
grid, which offer informative features for each component and alleviate the
conventional heavy feature learning network to a much smaller one, leading to
very fast evaluation. These primitives are centrally stored in a codebook and
can be shared across multiple grids and even across materials, based on the
low-cost indices stored in material-specific spherical surface grids. Our
neural BRDF, which is agnostic to the material, provides a unified framework
that can represent a variety of materials in consistent manner. Comprehensive
experimental results on measured BRDF compression, Monte Carlo simulated BRDF
acceleration, and extension to spatially varying effect demonstrate the
superior quality and generalizability achieved by the proposed scheme.
- Abstract（参考訳）: 本稿では,超軽量メモリとニューラルネットワークによるリアルタイムレンダリングを実現するために,小型で効率的な素材表現を実現するニューラルbrdfを提案する。
現在のデスクトップマシンでフルHD解像度でレンダリングされた図1の結果,本システムは様々な外観のリアルタイムレンダリングを実現しており,以下の2つの設計にアプローチしている。
一方,両方向反射率が非常に狭い高次元部分空間に分布していることに留意し,BRDFを2つの低次元成分,すなわち入射方向と出射方向の2つの特徴格子に投影することを提案する。
一方、学習可能なニューラルリフレクタンスプリミティブは、我々の高度に調整された球面格子上に分散され、各コンポーネントに情報的特徴を提供し、従来の重機能学習ネットワークをはるかに小さくし、非常に高速な評価をもたらす。
これらのプリミティブはコードブックに中央に格納され、材料固有の球面グリッドに格納された低コストなインデックスに基づいて、複数のグリッドや材料にわたって共有することができる。
我々のニューラルBRDFは、材料に依存しない、様々な材料を一貫した方法で表現できる統一された枠組みを提供する。
測定したbrdf圧縮, モンテカルロシミュレーションによるbrdf加速, 空間変化効果の拡張に関する総合実験の結果は, 提案手法により得られた優れた品質と一般化性を示している。
関連論文リスト
- RISE-SDF: a Relightable Information-Shared Signed Distance Field for Glossy Object Inverse Rendering [26.988572852463815]
本稿では,新しいエンド・ツー・エンド・エンド・リライトブル・ニューラル・リバース・レンダリングシステムを提案する。
本アルゴリズムは,逆レンダリングとリライトにおける最先端性能を実現する。
実験により, 逆レンダリングおよびリライティングにおける最先端性能が得られた。
論文 参考訳（メタデータ） (2024-09-30T09:42:10Z) - NeuS-PIR: Learning Relightable Neural Surface using Pre-Integrated Rendering [23.482941494283978]
本稿では,マルチビュー画像やビデオから可照性神経表面を復元するNeuS-PIR法を提案する。
NeRFや離散メッシュに基づく手法とは異なり,提案手法は暗黙のニューラルサーフェス表現を用いて高品質な幾何学を再構築する。
本手法は,現代のグラフィックスエンジンとシームレスに統合可能なリライトなどの高度なアプリケーションを実現する。
論文 参考訳（メタデータ） (2023-06-13T09:02:57Z) - Fast Monocular Scene Reconstruction with Global-Sparse Local-Dense Grids [84.90863397388776]
本稿では,スパルス・ボクセル・ブロック・グリッドにおける署名付き距離関数(SDF)を直接使用して,距離のない高速かつ正確なシーン再構成を実現することを提案する。
我々の世界規模で疎密で局所的なデータ構造は、表面の空間的空間性を利用して、キャッシュフレンドリーなクエリを可能にし、マルチモーダルデータへの直接拡張を可能にします。
実験により、我々のアプローチはトレーニングでは10倍、レンダリングでは100倍高速であり、最先端のニューラル暗黙法に匹敵する精度を実現していることがわかった。
論文 参考訳（メタデータ） (2023-05-22T16:50:19Z) - Learning Neural Duplex Radiance Fields for Real-Time View Synthesis [33.54507228895688]
本研究では,NeRFを高効率メッシュベースニューラル表現に蒸留・焼成する手法を提案する。
提案手法の有効性と優位性を,各種標準データセットの広範な実験を通じて実証する。
論文 参考訳（メタデータ） (2023-04-20T17:59:52Z) - Learning Neural Light Fields with Ray-Space Embedding Networks [51.88457861982689]
我々は、コンパクトで、光線に沿った統合放射率を直接予測する新しいニューラル光場表現を提案する。
提案手法は,Stanford Light Field データセットのような,高密度の前方向きデータセットの最先端品質を実現する。
論文 参考訳（メタデータ） (2021-12-02T18:59:51Z) - Neural BRDFs: Representation and Operations [25.94375378662899]
双方向反射率分布関数 (BRDF) はコンピュータグラフィックスにおいてリアルな物理的外観を生成するために広く用いられている。
我々は「ニューラルBRDF代数」の形式を示し、BRDFの表現と操作を同時に重視する。
論文 参考訳（メタデータ） (2021-11-06T03:50:02Z) - Neural BRDF Representation and Importance Sampling [79.84316447473873]
本稿では,リフレクタンスBRDFデータのコンパクトニューラルネットワークに基づく表現について述べる。
BRDFを軽量ネットワークとしてエンコードし、適応角サンプリングによるトレーニングスキームを提案する。
複数の実世界のデータセットから等方性および異方性BRDFの符号化結果を評価する。
論文 参考訳（メタデータ） (2021-02-11T12:00:24Z) - Neural Geometric Level of Detail: Real-time Rendering with Implicit 3D
Shapes [77.6741486264257]
本稿では,高忠実度ニューラルネットワークSDFのリアルタイムレンダリングを可能にする,効率的なニューラル表現を提案する。
我々の表現は、以前の作品に比べてレンダリング速度の点で2～3桁の効率であることを示す。
論文 参考訳（メタデータ） (2021-01-26T18:50:22Z) - Two-shot Spatially-varying BRDF and Shape Estimation [89.29020624201708]
形状とSVBRDFを段階的に推定した新しいディープラーニングアーキテクチャを提案する。
ドメインランダム化された幾何学と現実的な材料を用いた大規模合成学習データセットを作成する。
合成データセットと実世界のデータセットの両方の実験により、合成データセットでトレーニングされたネットワークが、実世界の画像に対してうまく一般化できることが示されている。
論文 参考訳（メタデータ） (2020-04-01T12:56:13Z)
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。