論文の概要: Auxiliary Features-Guided Super Resolution for Monte Carlo Rendering
- arxiv url: http://arxiv.org/abs/2310.13235v1
- Date: Fri, 20 Oct 2023 02:45:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-24 00:47:56.768250
- Title: Auxiliary Features-Guided Super Resolution for Monte Carlo Rendering
- Title（参考訳）: モンテカルロレンダリングのための補助機能付きスーパーレゾリューション
- Authors: Qiqi Hou, Feng Liu
- Abstract要約: レンダリングするピクセル数を削減し、モンテカルロレンダリングアルゴリズムを高速化する超解像度。
我々は高分解能補助機能を利用して低分解能レンダリングの超分解能を導出する。
提案手法は,高精細化における高精細化法とモンテカルロデノナイジング法の両方に優れることがわかった。
- 参考スコア（独自算出の注目度）: 8.54858933529271
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper investigates super resolution to reduce the number of pixels to
render and thus speed up Monte Carlo rendering algorithms. While great progress
has been made to super resolution technologies, it is essentially an ill-posed
problem and cannot recover high-frequency details in renderings. To address
this problem, we exploit high-resolution auxiliary features to guide super
resolution of low-resolution renderings. These high-resolution auxiliary
features can be quickly rendered by a rendering engine and at the same time
provide valuable high-frequency details to assist super resolution. To this
end, we develop a cross-modality Transformer network that consists of an
auxiliary feature branch and a low-resolution rendering branch. These two
branches are designed to fuse high-resolution auxiliary features with the
corresponding low-resolution rendering. Furthermore, we design residual
densely-connected Swin Transformer groups to learn to extract representative
features to enable high-quality super-resolution. Our experiments show that our
auxiliary features-guided super-resolution method outperforms both
super-resolution methods and Monte Carlo denoising methods in producing
high-quality renderings.
- Abstract（参考訳）: 本稿では,超解像度を用いてレンダリングする画素数を削減し,モンテカルロレンダリングアルゴリズムを高速化する。
超高解像度技術には大きな進歩があったが、本質的には不適切な問題であり、レンダリングにおける高周波の詳細を回復できない。
この問題に対処するために,高分解能補助機能を活用し,低解像度レンダリングの超解像度化を導く。
これらの高解像度補助機能はレンダリングエンジンによって素早くレンダリングできると同時に、スーパーレゾリューションを支援するために貴重な高周波の詳細を提供する。
そこで本研究では,補助特徴分枝と低解像度レンダリング分枝からなるクロスモダリティ変換ネットワークを開発した。
これらの2つの枝は、対応する低解像度レンダリングで高解像度の補助特徴を融合するように設計されている。
さらに,高品位な超解像を実現する代表的特徴を抽出することを学ぶために,残差の密結合したスウィントランスグループを設計する。
提案手法は,高画質レンダリングにおいて,超解像法とモンテカルロ除音法の両方に勝ることを示す。
関連論文リスト
- Efficient Face Super-Resolution via Wavelet-based Feature Enhancement Network [27.902725520665133]
顔超解像は、低解像度の顔画像から高解像度の顔画像を再構成することを目的としている。
以前は、顔の構造的特徴を抽出するためにエンコーダ・デコーダ構造を用いていた。
本稿では,ウェーブレットに基づく特徴拡張ネットワークを提案する。このネットワークは,入力特徴を高周波数成分と低周波数成分に無作為に分解することで,特徴歪みを軽減する。
論文 参考訳（メタデータ） (2024-07-29T08:03:33Z) - ResMaster: Mastering High-Resolution Image Generation via Structural and Fine-Grained Guidance [46.64836025290448]
ResMasterは、解像度制限を超えて高品質な画像を生成するために、解像度制限付き拡散モデルに権限を与える、トレーニング不要の方法である。
パッチ・バイ・パッチで高解像度画像を作成するための構造的かつきめ細かいガイダンスを提供する。
実験では、ResMasterが高解像度画像生成のための新しいベンチマークを設定し、有望な効率を示す。
論文 参考訳（メタデータ） (2024-06-24T09:28:21Z) - FuseSR: Super Resolution for Real-time Rendering through Efficient
Multi-resolution Fusion [38.67110413800048]
最も一般的な解決策の1つは、レンダリングオーバーヘッドを減らすために、低解像度で画像をレンダリングすることである。
本稿では,高品質なアップサンプル再構成を予測できる効率的かつ効率的な超解像法を提案する。
実験の結果,提案手法は時間的に一貫した再構築を4倍の4倍の4倍の4倍の4倍の4倍の8倍の8倍のアップサンプリングをリアルタイムに行うことができることがわかった。
論文 参考訳（メタデータ） (2023-10-15T04:01:05Z) - Super-Resolving Face Image by Facial Parsing Information [52.1267613768555]
顔超解像は、低解像度の顔画像を対応する高解像度の画像に変換する技術である。
我々は,低解像度の顔画像から先行する顔を抽出する,新しい解析マップ付き顔超解像ネットワークを構築した。
高解像度特徴はより正確な空間情報を含み、低解像度特徴は強い文脈情報を提供する。
論文 参考訳（メタデータ） (2023-04-06T08:19:03Z) - Deep Learning based Super-Resolution for Medical Volume Visualization
with Direct Volume Rendering [0.0]
近年のディープラーニングによる画像とビデオの超解像技術は,低解像度でレンダリングされたフレームの高忠実化アップスケーリングのために,そのようなネットワークを高解像度に研究する動機となっている。
提案システムでは,カラー情報とボリュームから収集した他の医療的特徴を併用して,高解像度空間への低解像度レンダリングの効率的なアップスケーリングを学習する手法を提案する。
論文 参考訳（メタデータ） (2022-10-14T19:58:59Z) - Semi-Supervised Super-Resolution [30.872605139672086]
超解像(Super-Resolution)は、可視分解能を高めて低解像度の写真の品質を向上させる技術である。
従来の超解法では、低解像度で高解像度のペアがほとんど得られない領域では問題となるような訓練のために膨大な量のデータを必要とする。
本稿では,500対の例に満たない,シャープで高解像度の画像を生成するための半教師付き手法を提案する。
論文 参考訳（メタデータ） (2022-04-18T07:10:29Z) - Hybrid Pixel-Unshuffled Network for Lightweight Image Super-Resolution [64.54162195322246]
畳み込みニューラルネットワーク(CNN)は画像超解像(SR)において大きな成功を収めた
ほとんどのディープCNNベースのSRモデルは、高い性能を得るために大量の計算を処理している。
SRタスクに効率的かつ効果的なダウンサンプリングモジュールを導入することで,HPUN(Hybrid Pixel-Unshuffled Network)を提案する。
論文 参考訳（メタデータ） (2022-03-16T20:10:41Z) - Generating Superpixels for High-resolution Images with Decoupled Patch
Calibration [82.21559299694555]
Patch Networks (PCNet) は高解像度のスーパーピクセルセグメンテーションを効率的かつ正確に実装するように設計されている。
DPCは高解像度画像から局所パッチを取得し、動的にバイナリマスクを生成し、ネットワークを領域境界に集中させる。
特に、DPCは高解像度画像からローカルパッチを取り、動的にバイナリマスクを生成して、ネットワークを領域境界に集中させる。
論文 参考訳（メタデータ） (2021-08-19T10:33:05Z) - Fast Monte Carlo Rendering via Multi-Resolution Sampling [6.203886925467029]
モンテカルロレンダリングアルゴリズムを高速化するハイブリッドレンダリング手法を提案する。
提案手法は,高試料レート(LRHS)の低解像度と低試料レート(HRLS)の高解像度の高解像度の2種類のレンダリングを生成する。
論文 参考訳（メタデータ） (2021-06-24T07:35:27Z) - Interpretable Detail-Fidelity Attention Network for Single Image
Super-Resolution [89.1947690981471]
本研究では,スムースとディテールを段階的に分割・収束的に処理する,目的・解釈可能なディテール・ファイダリティ・アテンション・ネットワークを提案する。
特に,詳細推論において顕著な解釈可能な特徴表現のためのヘシアンフィルタを提案する。
実験により,提案手法は最先端手法よりも優れた性能を示すことが示された。
論文 参考訳（メタデータ） (2020-09-28T08:31:23Z) - Gated Fusion Network for Degraded Image Super Resolution [78.67168802945069]
本稿では,基本特徴と回復特徴を別々に抽出する二分岐畳み込みニューラルネットワークを提案する。
特徴抽出ステップを2つのタスク非依存ストリームに分解することで、デュアルブランチモデルがトレーニングプロセスを容易にすることができる。
論文 参考訳（メタデータ） (2020-03-02T13:28:32Z)
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。