論文の概要: Rip-NeRF: Anti-aliasing Radiance Fields with Ripmap-Encoded Platonic Solids

• arxiv url: http://arxiv.org/abs/2405.02386v1
• Date: Fri, 3 May 2024 17:59:30 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-07 20:10:00.678295
• Title: Rip-NeRF: Anti-aliasing Radiance Fields with Ripmap-Encoded Platonic Solids
• Title（参考訳）: Rip-NeRF:Ripmap-Encoded Platonic Solidsを用いたアンチエイリアス放射場
• Authors: Junchen Liu, Wenbo Hu, Zhuo Yang, Jianteng Chen, Guoliang Wang, Xiaoxue Chen, Yantong Cai, Huan-ang Gao, Hao Zhao,
• Abstract要約: Ripmap-Encoded Platonic Solid表現は高忠実なアンチエイリアスレンダリングを実現する。 プラトン固体射影(英: Platonic Solid Projection)は、あるプラトン固体の非平行面上の3次元空間を分解する。 確立された合成データセットと、新たにキャプチャされた実世界のデータセットの両方の実験は、我々のRip-NeRFが最先端のレンダリング品質を得ることを示す。
• 参考スコア（独自算出の注目度）: 10.039899650484356
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Despite significant advancements in Neural Radiance Fields (NeRFs), the renderings may still suffer from aliasing and blurring artifacts, since it remains a fundamental challenge to effectively and efficiently characterize anisotropic areas induced by the cone-casting procedure. This paper introduces a Ripmap-Encoded Platonic Solid representation to precisely and efficiently featurize 3D anisotropic areas, achieving high-fidelity anti-aliasing renderings. Central to our approach are two key components: Platonic Solid Projection and Ripmap encoding. The Platonic Solid Projection factorizes the 3D space onto the unparalleled faces of a certain Platonic solid, such that the anisotropic 3D areas can be projected onto planes with distinguishable characterization. Meanwhile, each face of the Platonic solid is encoded by the Ripmap encoding, which is constructed by anisotropically pre-filtering a learnable feature grid, to enable featurzing the projected anisotropic areas both precisely and efficiently by the anisotropic area-sampling. Extensive experiments on both well-established synthetic datasets and a newly captured real-world dataset demonstrate that our Rip-NeRF attains state-of-the-art rendering quality, particularly excelling in the fine details of repetitive structures and textures, while maintaining relatively swift training times.
• Abstract（参考訳）: ニューラル・ラジアンス・フィールド(NeRF)の大幅な進歩にもかかわらず、このレンダリングは、コーンキャスティング法によって誘導される異方性領域を効果的かつ効率的に特徴付けるための根本的な課題であるため、それでもエイリアスやぼやけたアーティファクトに悩まされる可能性がある。 本稿では,Ripmap-Encoded Platonic Solid表現を導入し,3次元異方性領域を高精度かつ効率的に再現し,高忠実なアンチエイリアスレンダリングを実現する。 私たちのアプローチの中心は,Platonic Solid ProjectionとRipmapのエンコーディングという,2つの重要なコンポーネントです。 プラトン固体射影(英: Platonic Solid Projection)は、あるプラトン固体の非平行面上に3D空間を分解し、異方性3D領域を区別可能な特徴を持つ平面に射影することができる。 一方、プラトン固体の各面は、学習可能な特徴格子を異方的に前フィルタリングして構築したRipmap符号化により符号化され、異方性領域サンプリングにより、投影された異方性領域を精度良く、かつ効率的に破壊することができる。 十分に確立された合成データセットと、新たに取得された実世界のデータセットに関する大規模な実験は、我々のRip-NeRFが最先端のレンダリング品質、特に反復的な構造やテクスチャの細部に優れており、比較的速いトレーニング時間を維持していることを示している。

関連論文リスト

• AniSDF: Fused-Granularity Neural Surfaces with Anisotropic Encoding for High-Fidelity 3D Reconstruction [55.69271635843385]
  AniSDF(AniSDF)は,高忠実度3次元再構成のための物理に基づく符号化による融合粒度ニューラルサーフェスを学習する新しいアプローチである。 本手法は, 幾何再構成と新規ビュー合成の両面において, SDF法の品質を飛躍的に向上させる。
  論文  参考訳（メタデータ） (2024-10-02T03:10:38Z)
• RaNeuS: Ray-adaptive Neural Surface Reconstruction [87.20343320266215]
  微分可能放射場 eg NeRF を利用して、新しいビューレンダリングを生成するとともに、詳細な3次元表面を再構成する。 本研究では,SDFから放射場への射影を一様等間隔のアイコニカル正規化で定式化し,最適化することを考えると,光度重み付け係数を改良する。 提案する textitRaNeuS は,合成データと実データの両方で広く評価されている。
  論文  参考訳（メタデータ） (2024-06-14T07:54:25Z)
• Ghost on the Shell: An Expressive Representation of General 3D Shapes [97.76840585617907]
  リアルな素材と照明で高速な物理ベースのレンダリングを可能にするので、メッシュは魅力的だ。 近年の3次元形状の再構成と統計的モデリングの研究は、メッシュをトポロジカルに非フレキシブルであると批判している。 我々は水密面上の多様体符号距離場を定義することにより開曲面をパラメータ化する。 G-Shellは、非水密メッシュ再構築および生成タスクにおける最先端の性能を達成する。
  論文  参考訳（メタデータ） (2023-10-23T17:59:52Z)
• Flexible Isosurface Extraction for Gradient-Based Mesh Optimization [65.76362454554754]
  本研究では、勾配に基づくメッシュ最適化について考察し、スカラー場の等曲面として表現することで、3次元表面メッシュを反復的に最適化する。 我々は、幾何学的、視覚的、あるいは物理的目的に対して未知のメッシュを最適化するために特別に設計された、異面表現であるFlexiCubesを紹介する。
  論文  参考訳（メタデータ） (2023-08-10T06:40:19Z)
• Tri-MipRF: Tri-Mip Representation for Efficient Anti-Aliasing Neural Radiance Fields [20.10708828626049]
  本稿では,ニューラルレイディアンスフィールドの即時再構成とアンチエイリアス化による高忠実度レンダリングを実現する新しいTri-Mip符号化法を提案する。 新規なTri-Mip表現に対処するため,アンチエイリアス化された3D特徴を効率的にサンプリングするコーンキャストレンダリング手法を提案する。
  論文  参考訳（メタデータ） (2023-07-21T03:47:28Z)
• 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)
• NeRFMeshing: Distilling Neural Radiance Fields into Geometrically-Accurate 3D Meshes [56.31855837632735]
  我々は、NeRF駆動のアプローチで容易に3次元表面を再構成できるコンパクトで柔軟なアーキテクチャを提案する。 最後の3Dメッシュは物理的に正確で、デバイスアレイ上でリアルタイムでレンダリングできます。
  論文  参考訳（メタデータ） (2023-03-16T16:06:03Z)
• Delicate Textured Mesh Recovery from NeRF via Adaptive Surface Refinement [78.48648360358193]
  画像からテクスチャ化された表面メッシュを生成する新しいフレームワークを提案する。 我々のアプローチは、NeRFを用いて幾何学とビュー依存の外観を効率的に初期化することから始まります。 ジオメトリと共同で外観を洗練し、テクスチャ画像に変換してリアルタイムレンダリングします。
  論文  参考訳（メタデータ） (2023-03-03T17:14:44Z)

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。