論文の概要: InterNeRF: Scaling Radiance Fields via Parameter Interpolation

• arxiv url: http://arxiv.org/abs/2406.11737v1
• Date: Mon, 17 Jun 2024 16:55:22 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-18 13:33:44.837700
• Title: InterNeRF: Scaling Radiance Fields via Parameter Interpolation
• Title（参考訳）: InterNeRF:パラメータ補間による放射場のスケーリング
• Authors: Clinton Wang, Peter Hedman, Polina Golland, Jonathan T. Barron, Daniel Duckworth,
• Abstract要約: モデルパラメータのサブセットを用いてターゲットビューをレンダリングする新しいアーキテクチャであるInterNeRFを提案する。 標準ベンチマークでは競争力を維持しながら,マルチルームシーンにおいて大幅な改善が示された。
• 参考スコア（独自算出の注目度）: 36.014610797521605
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Neural Radiance Fields (NeRFs) have unmatched fidelity on large, real-world scenes. A common approach for scaling NeRFs is to partition the scene into regions, each of which is assigned its own parameters. When implemented naively, such an approach is limited by poor test-time scaling and inconsistent appearance and geometry. We instead propose InterNeRF, a novel architecture for rendering a target view using a subset of the model's parameters. Our approach enables out-of-core training and rendering, increasing total model capacity with only a modest increase to training time. We demonstrate significant improvements in multi-room scenes while remaining competitive on standard benchmarks.
• Abstract（参考訳）: ニューラル・ラジアンス・フィールド(Neural Radiance Fields、NeRF)は、大きな現実世界のシーンに適合しない忠実さを持つ。 NeRFをスケールするための一般的なアプローチは、シーンをリージョンに分割することであり、それぞれが独自のパラメータを割り当てている。 自然に実装する場合、このようなアプローチはテストタイムのスケーリングの貧弱さと、外観と幾何学の整合性によって制限される。 代わりに、モデルパラメータのサブセットを使用してターゲットビューをレンダリングする新しいアーキテクチャであるInterNeRFを提案する。 当社のアプローチでは,トレーニング時間をわずかに増加させるだけで,モデル全体のキャパシティを向上し,コア外のトレーニングとレンダリングを可能にしている。 標準ベンチマークでは競争力を維持しながら,マルチルームシーンの大幅な改善を示す。

関連論文リスト

• Aerial-NeRF: Adaptive Spatial Partitioning and Sampling for Large-Scale Aerial Rendering [10.340739248752516]
  複雑な空中シーンを高精度でレンダリングするためのAerial-NeRFを提案する。 当社のモデルでは,複数の競合に比べて4倍以上の高速レンダリングを実現しています。 2つのパブリックな大規模空中データセットに対して、最先端の新たな結果が得られた。
  論文  参考訳（メタデータ） (2024-05-10T02:57:02Z)
• Global-guided Focal Neural Radiance Field for Large-scale Scene Rendering [12.272724419136575]
  大規模シーンの高忠実なレンダリングを実現するグローバル誘導焦点型ニューラルレイディアンス場(GF-NeRF)を提案する。 提案手法は,多種多様な大規模データセットに対して,高忠実で自然なレンダリング結果を実現する。
  論文  参考訳（メタデータ） (2024-03-19T15:45:54Z)
• HybridNeRF: Efficient Neural Rendering via Adaptive Volumetric Surfaces [71.1071688018433]
  ニューラル放射場は、最先端のビュー合成品質を提供するが、レンダリングが遅くなる傾向がある。 本稿では,ほとんどの物体を表面としてレンダリングすることで,両表現の強みを生かしたHybridNeRFを提案する。 仮想現実分解能(2Kx2K)のリアルタイムフレームレート(少なくとも36FPS)を達成しながら、エラー率を15～30%改善する。
  論文  参考訳（メタデータ） (2023-12-05T22:04:49Z)
• PyNeRF: Pyramidal Neural Radiance Fields [51.25406129834537]
  本研究では,異なる空間グリッド解像度でモデルヘッドを訓練することにより,グリッドモデルへの簡単な修正を提案する。 レンダリング時には、単に粗いグリッドを使用して、より大きなボリュームをカバーするサンプルをレンダリングします。 Mip-NeRFと比較して、60倍高速なトレーニングをしながらエラー率を20%削減する。
  論文  参考訳（メタデータ） (2023-11-30T23:52:46Z)
• Adaptive Multi-NeRF: Exploit Efficient Parallelism in Adaptive Multiple Scale Neural Radiance Field Rendering [3.8200916793910973]
  ニューラル・ラジアンス・フィールド(NeRF)の最近の進歩は、3次元シーンの出現を暗黙のニューラルネットワークとして表す重要な可能性を示している。 しかし、長いトレーニングとレンダリングのプロセスは、リアルタイムレンダリングアプリケーションにこの有望なテクニックを広く採用することを妨げる。 本稿では,大規模シーンのニューラルネットワークレンダリングプロセスの高速化を目的とした適応型マルチNeRF手法を提案する。
  論文  参考訳（メタデータ） (2023-10-03T08:34:49Z)
• 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)
• Grid-guided Neural Radiance Fields for Large Urban Scenes [146.06368329445857]
  近年のアプローチでは、シーンを地理的に分割し、複数のサブNeRFを採用して各領域を個別にモデル化する手法が提案されている。 もう一つの解決策は、計算効率が良く、大きなシーンに自然にスケールできる機能グリッド表現を使用することである。 本稿では,大規模都市における高忠実度レンダリングを実現し,計算効率を向上する枠組みを提案する。
  論文  参考訳（メタデータ） (2023-03-24T13:56:45Z)
• GeCoNeRF: Few-shot Neural Radiance Fields via Geometric Consistency [31.22435282922934]
  我々は、幾何認識整合性正規化を伴う数ショット設定でニューラルラジアンス場(NeRF)を正則化する新しいフレームワークを提案する。 本研究では,最新の数発のNeRFモデルと比較して,競争力のある結果が得られることを示す。
  論文  参考訳（メタデータ） (2023-01-26T05:14:12Z)
• Mega-NeRF: Scalable Construction of Large-Scale NeRFs for Virtual Fly-Throughs [54.41204057689033]
  我々は、ニューラルネットワーク(NeRF)を活用して、建物にまたがる大規模な視覚的キャプチャーや、主にドローンデータから収集された複数の都市ブロックからインタラクティブな3D環境を構築する方法について検討する。 NeRFが伝統的に評価されている単一のオブジェクトシーンとは対照的に、この設定には複数の課題がある。 我々は、訓練画像(またはむしろピクセル)を、並列で訓練できる異なるNeRFサブモジュールに分割する単純なクラスタリングアルゴリズムを導入する。
  論文  参考訳（メタデータ） (2021-12-20T17:40:48Z)
• RegNeRF: Regularizing Neural Radiance Fields for View Synthesis from Sparse Inputs [79.00855490550367]
  我々は,多くの入力ビューが利用可能である場合,NeRFは見えない視点のフォトリアリスティックレンダリングを生成することができることを示す。 我々は、未観測の視点からレンダリングされたパッチの幾何学と外観を規則化することで、この問題に対処する。 我々のモデルは、1つのシーンで最適化する他の方法よりも、大規模なマルチビューデータセットで広範囲に事前訓練された条件付きモデルよりも優れています。
  論文  参考訳（メタデータ） (2021-12-01T18:59:46Z)
• HyperNeRF: A Higher-Dimensional Representation for Topologically Varying Neural Radiance Fields [45.8031461350167]
  非剛体シーンを再構成するための一般的なアプローチは、各入力画像の座標から標準テンプレート座標空間への学習された変形場マッピングを使用することである。 我々は、NeRFを高次元空間に上げ、この「ハイパースペース」を通して個々の入力画像に対応する5次元放射場をスライスとして表現することで、この制限に対処する。 提案手法は,HyperNeRFをダブした手法で,両タスクの既存の手法よりも有意なマージンで優れていることを示す。
  論文  参考訳（メタデータ） (2021-06-24T17:59:03Z)

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。