論文の概要: RING-NeRF: A Versatile Architecture based on Residual Implicit Neural Grids

• arxiv url: http://arxiv.org/abs/2312.03357v1
• Date: Wed, 6 Dec 2023 08:54:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-07 15:33:13.185050
• Title: RING-NeRF: A Versatile Architecture based on Residual Implicit Neural Grids
• Title（参考訳）: RING-NeRF: 残留インシデントニューラルネットワークに基づく多面的アーキテクチャ
• Authors: Doriand Petit, Steve Bourgeois, Dumitru Pavel, Vincent Gay-Bellile, Florian Chabot and Loic Barthe
• Abstract要約: 本稿では,Residual Implicit Neural Grids に基づく RING-NeRF という,シンプルだが効率的なアーキテクチャを提案する。 我々の汎用アーキテクチャは,(1)アンチエイリアスレンダリング,(2)教師なし視点からの再構築品質,(3)SDFベースのNeRFのシーン固有の初期化がない場合の堅牢性という観点から,高速なトレーニングと最先端のパフォーマンスを実証する。
• 参考スコア（独自算出の注目度）: 1.2409011296491834
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Since their introduction, Neural Fields have become very popular for 3D reconstruction and new view synthesis. Recent researches focused on accelerating the process, as well as improving the robustness to variation of the observation distance and limited number of supervised viewpoints. However, those approaches often led to dedicated solutions that cannot be easily combined. To tackle this issue, we introduce a new simple but efficient architecture named RING-NeRF, based on Residual Implicit Neural Grids, that provides a control on the level of detail of the mapping function between the scene and the latent spaces. Associated with a distance-aware forward mapping mechanism and a continuous coarse-to-fine reconstruction process, our versatile architecture demonstrates both fast training and state-of-the-art performances in terms of: (1) anti-aliased rendering, (2) reconstruction quality from few supervised viewpoints, and (3) robustness in the absence of appropriate scene-specific initialization for SDF-based NeRFs. We also demonstrate that our architecture can dynamically add grids to increase the details of the reconstruction, opening the way to adaptive reconstruction.
• Abstract（参考訳）: 導入以来、ニューラルフィールドは3次元再構成と新しいビュー合成に非常に人気がある。 近年の研究は、観察距離の変動に対するロバスト性の向上や、監視された視点の数の制限などにも焦点をあてている。 しかし、これらのアプローチはしばしば簡単に組み合わせられない専用ソリューションへと導かれる。 この問題に取り組むため、我々は、シーンと潜在空間間のマッピング関数の詳細レベルを制御するために、残留暗黙的ニューラルネットワークに基づくring-nerfと呼ばれる新しいシンプルで効率的なアーキテクチャを導入する。 距離対応のフォワードマッピング機構と連続的粗大化再構成プロセスに関連して,本アーキテクチャは,(1)アンチエイリアスレンダリング,(2)教師あり視点の少ない再構成品質,(3)SDFベースのNeRFのシーン特異的初期化の欠如による堅牢性,という観点から,高速トレーニングと最先端パフォーマンスの両方を実証する。 また,我々のアーキテクチャが動的にグリッドを追加して,再構成の詳細を増加させ,適応的再構築への道を開くことを実証した。

関連論文リスト

• Neural Experts: Mixture of Experts for Implicit Neural Representations [41.395193251292895]
  入射神経表現(INR)は、画像、形状、音声、ビデオ再構成など様々なタスクで有効であることが証明されている。 本稿では,局所的な部分的連続関数の学習を可能にする暗黙的ニューラル表現手法(MoE)の混合を提案する。 既存のINRの定式化に専門家アーキテクチャを混在させることで,高速化,精度,メモリ要件が向上することを示す。
  論文  参考訳（メタデータ） (2024-10-29T01:11:25Z)
• 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)
• Neural Implicit Representation for Highly Dynamic LiDAR Mapping and Odometry [22.729848609868252]
  NeRF-LOAMは、NeRFベースのSLAMアプリケーションで顕著な性能を示している。 本稿では,高ダイナミックな屋外シーンの再現性を向上するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-09-26T10:58:31Z)
• BirdNeRF: Fast Neural Reconstruction of Large-Scale Scenes From Aerial Imagery [3.4956406636452626]
  本研究では,空中画像を用いた大規模シーンの再構成に特化して設計されたNeRF(Neural Radiance Fields)の適応版であるBirdNeRFを紹介する。 本稿では,大規模な空中画像集合を複数小集合に分解し,空間分解アルゴリズムを提案する。 我々は、既存のデータセットと、独自のドローン映像に対するアプローチを評価し、従来のフォトグラムソフトウェアよりも10倍、最先端の大規模NeRFソリューションよりも50倍の再現速度を向上した。
  論文  参考訳（メタデータ） (2024-02-07T03:18:34Z)
• 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)
• From NeurODEs to AutoencODEs: a mean-field control framework for width-varying Neural Networks [68.8204255655161]
  本稿では,動的に駆動する制御フィールドをベースとした,AutoencODEと呼ばれる新しいタイプの連続時間制御システムを提案する。 損失関数が局所凸な領域では,多くのアーキテクチャが復元可能であることを示す。
  論文  参考訳（メタデータ） (2023-07-05T13:26:17Z)
• Single-Stage Diffusion NeRF: A Unified Approach to 3D Generation and Reconstruction [77.69363640021503]
  3D対応画像合成は、シーン生成や画像からの新規ビュー合成など、様々なタスクを含む。 本稿では,様々な物体の多視点画像から,ニューラルラディアンス場(NeRF)の一般化可能な事前学習を行うために,表現拡散モデルを用いた統一的アプローチであるSSDNeRFを提案する。
  論文  参考訳（メタデータ） (2023-04-13T17:59:01Z)
• MonoSDF: Exploring Monocular Geometric Cues for Neural Implicit Surface Reconstruction [72.05649682685197]
  最先端のニューラル暗黙法は、多くの入力ビューから単純なシーンの高品質な再構築を可能にする。 これは主に、十分な制約を提供していないRGB再構築損失の固有の曖昧さによって引き起こされる。 近年の単分子形状予測の分野での進歩に触発され, ニューラルな暗黙的表面再構成の改善にこれらの方法が役立つかを探究する。
  論文  参考訳（メタデータ） (2022-06-01T17:58:15Z)
• Accurate and Lightweight Image Super-Resolution with Model-Guided Deep Unfolding Network [63.69237156340457]
  我々は、モデル誘導深部展開ネットワーク(MoG-DUN)と呼ばれるSISRに対する説明可能なアプローチを提示し、提唱する。 MoG-DUNは正確(エイリアスを少なくする)、計算効率(モデルパラメータを減らした)、多用途(多重劣化を処理できる)である。 RCAN, SRDNF, SRFBNを含む既存の最先端画像手法に対するMoG-DUN手法の優位性は、いくつかの一般的なデータセットと様々な劣化シナリオに関する広範な実験によって実証されている。
  論文  参考訳（メタデータ） (2020-09-14T08:23:37Z)

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。