論文の概要: Efficient Cloud Pipelines for Neural Radiance Fields
- arxiv url: http://arxiv.org/abs/2311.01659v1
- Date: Fri, 3 Nov 2023 01:39:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-06 15:38:50.980049
- Title: Efficient Cloud Pipelines for Neural Radiance Fields
- Title（参考訳）: ニューラルラミアンスフィールドのための効率的なクラウドパイプライン
- Authors: Derek Jacoby, Donglin Xu, Weder Ribas, Minyi Xu, Ting Liu, Vishwanath
Jayaraman, Mengdi Wei, Emma De Blois, Yvonne Coady
- Abstract要約: 高性能な学術計算クラスタ上にパイプラインを提示し、それをMicrosoft Azure上に実装されたパイプラインと比較する。
我々は,新しいユーザインタラクションシナリオを実現するためのNeRFの利用について述べる。
- 参考スコア（独自算出の注目度）: 6.367235514653915
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Since their introduction in 2020, Neural Radiance Fields (NeRFs) have taken
the computer vision community by storm. They provide a multi-view
representation of a scene or object that is ideal for eXtended Reality (XR)
applications and for creative endeavors such as virtual production, as well as
change detection operations in geospatial analytics. The computational cost of
these generative AI models is quite high, however, and the construction of
cloud pipelines to generate NeRFs is neccesary to realize their potential in
client applications. In this paper, we present pipelines on a high performance
academic computing cluster and compare it with a pipeline implemented on
Microsoft Azure. Along the way, we describe some uses of NeRFs in enabling
novel user interaction scenarios.
- Abstract（参考訳）: 2020年に導入されて以来、Neural Radiance Fields (NeRF) はコンピュータビジョンのコミュニティを嵐にさらしてきた。
これらは、拡張現実(xr)アプリケーションや仮想生産などの創造的な取り組みや、地理空間分析における変化検出操作に理想的なシーンやオブジェクトのマルチビュー表現を提供する。
しかし、これらの生成AIモデルの計算コストは非常に高く、NeRFを生成するためのクラウドパイプラインの構築は、クライアントアプリケーションにおけるその可能性を実現する上で必要である。
本稿では,高性能なアカデミックコンピューティングクラスタ上にパイプラインを配置し,microsoft azure上に実装したパイプラインと比較する。
その過程で,新しいユーザインタラクションシナリオを実現するためのNeRFの利用について述べる。
関連論文リスト
- VoxNeRF: Bridging Voxel Representation and Neural Radiance Fields for
Enhanced Indoor View Synthesis [51.49008959209671]
本稿では,室内ビュー合成の品質と効率を高めるために,ボリューム表現を活用する新しいアプローチであるVoxNeRFを紹介する。
我々は,空間的特徴を適応的に捉えるためにマルチレゾリューション・ハッシュ・グリッドを使用し,室内シーンの閉塞や複雑な形状を効果的に管理する。
我々は,3つの屋内データセットに対するアプローチを検証するとともに,VoxNeRFが最先端の手法より優れていることを示す。
論文 参考訳（メタデータ） (2023-11-09T11:32:49Z) - Analyzing the Internals of Neural Radiance Fields [4.681790910494339]
粗大なサンプリングに使用される大規模で訓練されたReLU-MLPを解析する。
中間活性化を重み推定に変換することで、これらの大きなミニマ活性化をいかに加速できるかを示す。
論文 参考訳（メタデータ） (2023-06-01T14:06:48Z) - Towards a Robust Framework for NeRF Evaluation [11.348562090906576]
ニューラルレージアンスフィールド(NeRF)パイプラインからニューラルレンダリングネットワークを分離する新しいテストフレームワークを提案する。
次に, 明示的放射場表現に基づくNeRFの訓練と評価を行い, パラメトリック評価を行う。
我々のアプローチは、NeRF法の比較客観的評価フレームワークを作成する可能性を提供します。
論文 参考訳（メタデータ） (2023-05-29T13:30:26Z) - 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) - Re-ReND: Real-time Rendering of NeRFs across Devices [56.081995086924216]
Re-ReNDは、NeRFを標準グラフィックスパイプラインで効率的に処理できる表現に変換することで、リアルタイムのパフォーマンスを実現するように設計されている。
Re-ReNDはレンダリング速度が2.6倍に向上し、最先端技術では品質が損なわれることなく達成できることがわかった。
論文 参考訳（メタデータ） (2023-03-15T15:59:41Z) - NEPHELE: A Neural Platform for Highly Realistic Cloud Radiance Rendering [33.06231530135657]
NEPHELEは,高リアルなクラウド放射率レンダリングのためのニューラルネットワークプラットフォームである。
超高速なニューラルラジアンスレンダリングに不透明光場を用いるためにi-NOLFを導入する。
さらに、クラウドVR/ARレンダリングから、一連のアプリケーションを通じて、クラウドレンダリングラディアンス(radiance)の能力を紹介します。
論文 参考訳（メタデータ） (2023-03-07T17:47:33Z) - SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。
しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
論文 参考訳（メタデータ） (2021-12-22T14:45:37Z) - 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) - NeRF in detail: Learning to sample for view synthesis [104.75126790300735]
ニューラルレイディアンス場(NeRF)法は目覚ましい新しいビュー合成を実証している。
この作業では、バニラ粗大なアプローチの明確な制限に対処します -- パフォーマンスに基づいており、手元にあるタスクのエンドツーエンドをトレーニングしていません。
我々は、サンプルの提案と、そのネットワークにおける重要性を学習し、そのニューラルネットワークアーキテクチャに対する複数の代替案を検討し比較する、微分可能なモジュールを導入する。
論文 参考訳（メタデータ） (2021-06-09T17:59:10Z) - DONeRF: Towards Real-Time Rendering of Neural Radiance Fields using
Depth Oracle Networks [6.2444658061424665]
DONeRFは、深度オラクルネットワークを第1ステップとし、局所サンプルシェーディングネットワークを光線蓄積用に設計した二重ネットワークである。
我々は1つのGPU上で、レイマーチベースのニューラル表現をインタラクティブなフレームレート(毎秒15フレーム、800x800)でレンダリングした最初の人です。
論文 参考訳（メタデータ） (2021-03-04T18:55:09Z) - Deep Parametric Continuous Convolutional Neural Networks [92.87547731907176]
Parametric Continuous Convolutionは、非グリッド構造化データ上で動作する、新たな学習可能な演算子である。
室内および屋外シーンの点雲セグメンテーションにおける最先端技術よりも顕著な改善が見られた。
論文 参考訳（メタデータ） (2021-01-17T18:28:23Z)
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。