論文の概要: Neural Gaussian Scale-Space Fields

• arxiv url: http://arxiv.org/abs/2405.20980v1
• Date: Fri, 31 May 2024 16:26:08 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-03 13:39:10.573361
• Title: Neural Gaussian Scale-Space Fields
• Title（参考訳）: ニューラルガウススケール空間場
• Authors: Felix Mujkanovic, Ntumba Elie Nsampi, Christian Theobalt, Hans-Peter Seidel, Thomas Leimkühler,
• Abstract要約: 任意の信号の連続的異方性ガウススケール空間を効率よく学習する手法を提案する。 我々の手法は自己指導的であり、訓練は手作業によるフィルタリングを必要としない。 我々のニューラルガウススケール空間場は、幅広いモダリティの多スケール表現を忠実に捉えている。
• 参考スコア（独自算出の注目度）: 60.668800252986976
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Gaussian scale spaces are a cornerstone of signal representation and processing, with applications in filtering, multiscale analysis, anti-aliasing, and many more. However, obtaining such a scale space is costly and cumbersome, in particular for continuous representations such as neural fields. We present an efficient and lightweight method to learn the fully continuous, anisotropic Gaussian scale space of an arbitrary signal. Based on Fourier feature modulation and Lipschitz bounding, our approach is trained self-supervised, i.e., training does not require any manual filtering. Our neural Gaussian scale-space fields faithfully capture multiscale representations across a broad range of modalities, and support a diverse set of applications. These include images, geometry, light-stage data, texture anti-aliasing, and multiscale optimization.
• Abstract（参考訳）: ガウススケール空間は信号表現と処理の基礎であり、フィルタリング、マルチスケール分析、アンチエイリアスなど多くの応用がある。 しかし、そのようなスケール空間を得るのは費用がかかり、特に神経場のような連続表現には面倒である。 任意の信号の完全連続な異方性ガウススケール空間を学習するための効率的で軽量な手法を提案する。 フーリエ特徴変調とリプシッツバウンディングに基づいて、我々の手法は自己教師付きであり、トレーニングは手動フィルタリングを必要としない。 我々のニューラルガウススケール空間は、幅広いモダリティにまたがるマルチスケール表現を忠実に捉え、多様なアプリケーションをサポートする。 画像、幾何学、光ステージデータ、テクスチャアンチエイリアス、マルチスケール最適化などがある。

関連論文リスト

• Mipmap-GS: Let Gaussians Deform with Scale-specific Mipmap for Anti-aliasing Rendering [81.88246351984908]
  任意のスケールでガウスを適応させる統一最適化法を提案する。 ミップマップ技術に触発されて、ターゲットスケールのための擬似基底構造を設計し、3次元ガウスアンにスケール情報を注入するスケール一貫性誘導損失を提案する。 本手法は,PSNRの3DGSを,ズームインで平均9.25dB,ズームアウトで平均10.40dBで上回っている。
  論文  参考訳（メタデータ） (2024-08-12T16:49:22Z)
• Neural Fields with Thermal Activations for Arbitrary-Scale Super-Resolution [56.089473862929886]
  本稿では,適応型ガウスPSFを用いて点を問合せできる新しい設計手法を提案する。 理論的に保証されたアンチエイリアスにより、任意のスケールの単一画像の超解像のための新しい手法が確立される。
  論文  参考訳（メタデータ） (2023-11-29T14:01:28Z)
• Adaptive Shells for Efficient Neural Radiance Field Rendering [92.18962730460842]
  本稿では, 表面および表面のレンダリングを円滑に遷移させるニューラル放射率の定式化を提案する。 我々の手法は、非常に高い忠実度で効率的なレンダリングを可能にする。 また,抽出したエンベロープは,アニメーションやシミュレーションなどの下流アプリケーションを可能にすることを示す。
  論文  参考訳（メタデータ） (2023-11-16T18:58:55Z)
• Combinatorial optimization for low bit-width neural networks [23.466606660363016]
  低ビット幅のニューラルネットワークは、計算資源を減らすためにエッジデバイスに展開するために広く研究されている。 既存のアプローチでは、2段階の列車・圧縮設定における勾配に基づく最適化に焦点が当てられている。 グリーディ座標降下法とこの新しい手法を組み合わせることで、二項分類タスクにおける競合精度が得られることを示す。
  論文  参考訳（メタデータ） (2022-06-04T15:02:36Z)
• Meta-Learning Sparse Implicit Neural Representations [69.15490627853629]
  入射神経表現は、一般的な信号を表す新しい道である。 現在のアプローチは、多数の信号やデータセットに対してスケールすることが難しい。 メタ学習型スパースニューラル表現は,高密度メタ学習モデルよりもはるかに少ない損失が得られることを示す。
  論文  参考訳（メタデータ） (2021-10-27T18:02:53Z)
• Semi-Sparsity for Smoothing Filters [1.1404527665142667]
  本稿では,新しい疎度誘導フレームワークに基づく半疎度平滑化アルゴリズムを提案する。 我々は、一連の信号/画像処理とコンピュータビジョンアプリケーションに多くの利点を示す。
  論文  参考訳（メタデータ） (2021-07-01T17:31:42Z)
• Mat\'ern Gaussian Processes on Graphs [67.13902825728718]
  我々は、マタン・ガウス過程の偏微分方程式のキャラクタリゼーションを利用して、そのアナログを無向グラフに対して研究する。 得られたガウス過程がユークリッドアナログやユークリッドアナログの様々な魅力的な性質を継承することを示す。 これにより、グラフのMat'ern Gaussianプロセスがミニバッチや非共役設定に使用できる。
  論文  参考訳（メタデータ） (2020-10-29T13:08:07Z)
• Delving Deeper into Anti-aliasing in ConvNets [42.82751522973616]
  エイリアシング(Aliasing)は、高周波信号がサンプリング後に完全に異なる信号に縮退する現象である。 空間的位置とチャネル群ごとに異なるフィルタ重みを予測できる適応型コンテンツ対応低域フィルタ層を提案する。
  論文  参考訳（メタデータ） (2020-08-21T17:56:04Z)

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。