論文の概要: Plug-and-Play Acceleration of Occupancy Grid-based NeRF Rendering using VDB Grid and Hierarchical Ray Traversal
- arxiv url: http://arxiv.org/abs/2404.10272v1
- Date: Tue, 16 Apr 2024 04:05:33 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-17 18:02:32.401148
- Title: Plug-and-Play Acceleration of Occupancy Grid-based NeRF Rendering using VDB Grid and Hierarchical Ray Traversal
- Title（参考訳）: VDBグリッドと階層的レイトラバーサルを用いたOccupancy Grid-based NeRFレンダリングのプラグアンドプレイ高速化
- Authors: Yoshio Kato, Shuhei Tarashima,
- Abstract要約: 我々は、微調整をせずに訓練されたOGにおけるレイトレーシングの効率を改善するための2つの手法を紹介した。
まず,高密度グリッドをVDBグリッドに置き換え,空間冗長性を低減する。
第2に、階層型デジタル微分解析器(HDDA)を用いて、VDBグリッド内のボクセルを効率的に追跡する。
- 参考スコア（独自算出の注目度）: 1.104960878651584
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Transmittance estimators such as Occupancy Grid (OG) can accelerate the training and rendering of Neural Radiance Field (NeRF) by predicting important samples that contributes much to the generated image. However, OG manages occupied regions in the form of the dense binary grid, in which there are many blocks with the same values that cause redundant examination of voxels' emptiness in ray-tracing. In our work, we introduce two techniques to improve the efficiency of ray-tracing in trained OG without fine-tuning. First, we replace the dense grids with VDB grids to reduce the spatial redundancy. Second, we use hierarchical digital differential analyzer (HDDA) to efficiently trace voxels in the VDB grids. Our experiments on NeRF-Synthetic and Mip-NeRF 360 datasets show that our proposed method successfully accelerates rendering NeRF-Synthetic dataset by 12% in average and Mip-NeRF 360 dataset by 4% in average, compared to a fast implementation of OG, NerfAcc, without losing the quality of rendered images.
- Abstract（参考訳）: Occupancy Grid(OG)のような透過率推定器は、生成した画像に大きく寄与する重要なサンプルを予測することにより、NeRF(Neural Radiance Field)のトレーニングとレンダリングを加速することができる。
しかし、OGは密接な二分格子の形で占有領域を管理し、同じ値のブロックが多数存在し、光線トレーシングにおけるボクセルの空さを冗長に検査する。
本研究では, 微調整を伴わずに, トレーニングOGにおけるレイトレーシングの効率を向上させるための2つの手法を紹介する。
まず,高密度グリッドをVDBグリッドに置き換え,空間冗長性を低減する。
第2に、階層型デジタル微分解析器(HDDA)を用いて、VDBグリッド内のボクセルを効率的に追跡する。
提案手法は,NeRF合成データセットを平均12%,NeRF合成データセットを平均4%高速化する。
関連論文リスト
- Mesh2NeRF: Direct Mesh Supervision for Neural Radiance Field Representation and Generation [51.346733271166926]
Mesh2NeRFは、3次元生成タスクのためのテクスチャメッシュから地上構造放射場を導出するアプローチである。
各種タスクにおけるMesh2NeRFの有効性を検証する。
論文 参考訳（メタデータ） (2024-03-28T11:22:53Z) - 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) - SPC-NeRF: Spatial Predictive Compression for Voxel Based Radiance Field [41.33347056627581]
本稿では,EVG圧縮に空間予測符号化を適用した新しいフレームワークであるSPC-NeRFを提案する。
我々の手法は最先端のVQRFに比べて32%のビット節約が可能である。
論文 参考訳（メタデータ） (2024-02-26T07:40:45Z) - Dynamic Mesh-Aware Radiance Fields [75.59025151369308]
本稿では,メッシュとNeRFの双方向結合をレンダリングおよびシミュレーション時に設計する。
ハイブリッドシステムはメッシュ挿入のための視覚リアリズムの代替よりも優れていることを示す。
論文 参考訳（メタデータ） (2023-09-08T20:18:18Z) - Improved Multi-Scale Grid Rendering of Point Clouds for Radar Object
Detection Networks [3.3787383461150045]
不規則点雲データから密度の強い格子構造への転送は、しばしば情報の喪失と関連している。
グリッドレンダリングの負の効果を軽減することを目的とした,新しいアーキテクチャであるマルチスケールKPPillarsBEVを提案する。
論文 参考訳（メタデータ） (2023-05-25T08:26:42Z) - MF-NeRF: Memory Efficient NeRF with Mixed-Feature Hash Table [62.164549651134465]
MF-NeRFは,Mixed-Featureハッシュテーブルを用いてメモリ効率を向上し,再構成品質を維持しながらトレーニング時間を短縮するメモリ効率の高いNeRFフレームワークである。
最新技術であるInstant-NGP、TensoRF、DVGOによる実験は、MF-NeRFが同じGPUハードウェア上で、同様のあるいはそれ以上のリコンストラクション品質で最速のトレーニング時間を達成できることを示唆している。
論文 参考訳（メタデータ） (2023-04-25T05:44:50Z) - 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) - Energy-Efficient Model Compression and Splitting for Collaborative
Inference Over Time-Varying Channels [52.60092598312894]
本稿では,エッジノードとリモートノード間のモデル圧縮と時間変化モデル分割を利用して,エッジデバイスにおける総エネルギーコストを削減する手法を提案する。
提案手法は, 検討されたベースラインと比較して, エネルギー消費が最小限であり, 排出コストが$CO$となる。
論文 参考訳（メタデータ） (2021-06-02T07:36:27Z)
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。