論文の概要: Alpha Invariance: On Inverse Scaling Between Distance and Volume Density in Neural Radiance Fields

• arxiv url: http://arxiv.org/abs/2404.02155v1
• Date: Tue, 2 Apr 2024 17:58:57 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-03 15:20:18.251488
• Title: Alpha Invariance: On Inverse Scaling Between Distance and Volume Density in Neural Radiance Fields
• Title（参考訳）: アルファ不変性:ニューラルラジアンス場における距離と体積密度の逆スケーリングについて
• Authors: Joshua Ahn, Haochen Wang, Raymond A. Yeh, Greg Shakhnarovich,
• Abstract要約: 3次元シーン次元におけるスケールのあいまいさは、ニューラルラディアンス場の密度の大きさのあいまいさをもたらす。 1)ログ空間における距離密度と体積密度のパラメータ化,2)高線透過性を保証するための識別非依存戦略を推奨する。
• 参考スコア（独自算出の注目度）: 22.84476497992343
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Scale-ambiguity in 3D scene dimensions leads to magnitude-ambiguity of volumetric densities in neural radiance fields, i.e., the densities double when scene size is halved, and vice versa. We call this property alpha invariance. For NeRFs to better maintain alpha invariance, we recommend 1) parameterizing both distance and volume densities in log space, and 2) a discretization-agnostic initialization strategy to guarantee high ray transmittance. We revisit a few popular radiance field models and find that these systems use various heuristics to deal with issues arising from scene scaling. We test their behaviors and show our recipe to be more robust.
• Abstract（参考訳）: 3次元シーン次元におけるスケールのあいまいさは、ニューラルレイディアンス場における体積密度の大きさのあいまいさをもたらす。 この性質をα不変性と呼ぶ。 NeRFがアルファ不変性をよりよく維持するために、我々は推奨する 1)ログ空間における距離と体積密度のパラメータ化 2)高線透過性を保証するための離散化に依存しない初期化戦略。 我々はいくつかの人気のある放射場モデルを再検討し、これらのシステムがシーンスケーリングに起因する問題に対処するために様々なヒューリスティックを用いていることを見出した。 私たちは彼らの振る舞いをテストし、レシピをより堅牢なものにします。

関連論文リスト

• CVT-xRF: Contrastive In-Voxel Transformer for 3D Consistent Radiance Fields from Sparse Inputs [65.80187860906115]
  スパース入力によるNeRFの性能向上のための新しい手法を提案する。 まず, サンプル線が, 3次元空間内の特定のボクセルと交差することを保証するために, ボクセルを用いた放射線サンプリング戦略を採用する。 次に、ボクセル内の追加点をランダムにサンプリングし、トランスフォーマーを適用して各線上の他の点の特性を推測し、ボリュームレンダリングに組み込む。
  論文  参考訳（メタデータ） (2024-03-25T15:56:17Z)
• NeRF-Det++: Incorporating Semantic Cues and Perspective-aware Depth Supervision for Indoor Multi-View 3D Detection [72.0098999512727]
  NeRF-Detは、NeRFを用いた屋内マルチビュー3次元検出において、表現学習の強化による優れた性能を実現している。 セマンティックエンハンスメント(セマンティックエンハンスメント)、パースペクティブ・アウェア・サンプリング(パースペクティブ・アウェア・サンプリング)、および順序深度監視を含む3つのソリューションを提案する。 結果として得られたアルゴリズムであるNeRF-Det++は、ScanNetV2とAR KITScenesデータセットで魅力的なパフォーマンスを示している。
  論文  参考訳（メタデータ） (2024-02-22T11:48:06Z)
• Reducing Shape-Radiance Ambiguity in Radiance Fields with a Closed-Form Color Estimation Method [24.44659061093503]
  形状・輝度のあいまいさを低減するために,より適応的な手法を提案する。 まず、密度場に基づいて色場を推定し、画像を閉じた形で配置する。 実験の結果,NeRFの密度場は定性的かつ定量的に向上することがわかった。
  論文  参考訳（メタデータ） (2023-12-20T02:50:03Z)
• Feature 3DGS: Supercharging 3D Gaussian Splatting to Enable Distilled Feature Fields [54.482261428543985]
  ニューラル・ラジアンス・フィールドを使用する手法は、新しいビュー合成のような従来のタスクに汎用的である。 3次元ガウシアンスプラッティングは, 実時間ラディアンス場レンダリングにおける最先端の性能を示した。 この問題を効果的に回避するために,アーキテクチャとトレーニングの変更を提案する。
  論文  参考訳（メタデータ） (2023-12-06T00:46:30Z)
• NeRF Revisited: Fixing Quadrature Instability in Volume Rendering [8.82933411096762]
  体積のレンダリングには各光線に沿った積分の評価が必要であり、これは有限和で数値的に近似される。 得られた結果は不安定であり、光線に沿ったサンプルの選択は、二次不安定性を見極める現象である。 本稿では, 線形体積密度の完全積分に対応するように, サンプルベースレンダリング方程式を再構成し, 数学的に原理化された解を提案する。
  論文  参考訳（メタデータ） (2023-10-31T17:49:48Z)
• Toward Moir\'e-Free and Detail-Preserving Demosaicking [3.9064624794570593]
  3D畳み込みは一般的に神経モデルを破壊するために使用される。 3Dコンボリューションは相補的な情報交換からRGB色スペクトルを暗黙的に阻害することを示す。 浅い3D畳み込みネットワークはモイアのアーティファクトに苦しむが、深い3D畳み込みは過度に滑らかさを引き起こす。
  論文  参考訳（メタデータ） (2023-05-15T12:12:29Z)
• AligNeRF: High-Fidelity Neural Radiance Fields via Alignment-Aware Training [100.33713282611448]
  我々は、高分解能データによるNeRFのトレーニングに関する最初のパイロット研究を行う。 本稿では,多層パーセプトロンと畳み込み層との結合を含む,対応する解を提案する。 私たちのアプローチは、明らかなトレーニング/テストコストを導入することなく、ほぼ無償です。
  論文  参考訳（メタデータ） (2022-11-17T17:22:28Z)
• Non-line-of-Sight Imaging via Neural Transient Fields [52.91826472034646]
  NLOS(non-Line-of-Sight)イメージングのためのニューラルモデリングフレームワークを提案する。 最近のNeRF(Neural Radiance Field)アプローチにインスパイアされた我々は、ニューラルネットワーク(NeTF)を表現するために多層パーセプトロン(MLP)を使用する。 共焦点と非共焦点の両方に適用可能な球状ボリュームnetf再構成パイプラインを定式化する。
  論文  参考訳（メタデータ） (2021-01-02T05:20:54Z)
• Wasserstein Distances for Stereo Disparity Estimation [62.09272563885437]
  既定義の離散値の集合上の分布を出力する、奥行き推定や不均一推定への既存のアプローチ。 これにより、真の深さや差がこれらの値と一致しない場合に、不正確な結果をもたらす。 任意の深さの値を出力できる新しいニューラルネットワークアーキテクチャを用いて、これらの問題に対処する。
  論文  参考訳（メタデータ） (2020-07-06T21:37:50Z)

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。