論文の概要: Filtering After Shading With Stochastic Texture Filtering

• arxiv url: http://arxiv.org/abs/2407.06107v1
• Date: Tue, 14 May 2024 16:42:07 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-22 14:19:18.450734
• Title: Filtering After Shading With Stochastic Texture Filtering
• Title（参考訳）: 確率的テクスチャフィルタによるシェーディング後のフィルタリング
• Authors: Matt Pharr, Bartlomiej Wronski, Marco Salvi, Marcos Fajardo,
• Abstract要約: 本稿では,シェーディング評価後のテクスチャフィルタの適用により,BSDF 評価前のフィルタよりも精度の高い画像が得られることを示す。 テクスチャフィルタリングは、高品質なテクスチャフィルタの効率的な実装や、圧縮された、スパースなデータ構造に格納されたテクスチャの効率的なフィルタリングを含む、さらなる利点を提供する。
• 参考スコア（独自算出の注目度）: 1.8377890861896995
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: 2D texture maps and 3D voxel arrays are widely used to add rich detail to the surfaces and volumes of rendered scenes, and filtered texture lookups are integral to producing high-quality imagery. We show that applying the texture filter after evaluating shading generally gives more accurate imagery than filtering textures before BSDF evaluation, as is current practice. These benefits are not merely theoretical, but are apparent in common cases. We demonstrate that practical and efficient filtering after shading is possible through the use of stochastic sampling of texture filters. Stochastic texture filtering offers additional benefits, including efficient implementation of high-quality texture filters and efficient filtering of textures stored in compressed and sparse data structures, including neural representations. We demonstrate applications in both real-time and offline rendering and show that the additional error from stochastic filtering is minimal. We find that this error is handled well by either spatiotemporal denoising or moderate pixel sampling rates.
• Abstract（参考訳）: 2次元テクスチャマップと3次元ボクセルアレイは、描画されたシーンの表面やボリュームにリッチなディテールを加えるために広く使われており、フィルターされたテクスチャルックアップは高品質な画像を生成するのに不可欠である。 本稿では,シェーディング評価後のテクスチャフィルタの適用により,BSDF 評価以前のテクスチャをフィルタするよりも,より正確な画像が得られることを示す。 これらの利点は単に理論的なものではなく、一般的な場合において明らかである。 我々は,テクスチャフィルタの確率的サンプリングを用いて,シェーディング後の実用的で効率的なフィルタリングが可能であることを実証した。 確率的テクスチャフィルタリングは、高品質なテクスチャフィルタの効率的な実装や、ニューラル表現を含む圧縮されたスパースなデータ構造に格納されたテクスチャの効率的なフィルタリングを含む、さらなる利点を提供する。 リアルタイムレンダリングとオフラインレンダリングの両方でアプリケーションを実演し、確率的フィルタリングによる追加エラーは最小限であることを示す。 この誤差は時空間デノジングまたは中程度の画素サンプリングレートでよく処理される。

関連論文リスト

• TEXGen: a Generative Diffusion Model for Mesh Textures [63.43159148394021]
  我々は、UVテクスチャ空間自体における学習の根本的な問題に焦点を当てる。 本稿では,点クラウド上にアテンション層を持つUVマップ上の畳み込みをインターリーブするスケーラブルなネットワークアーキテクチャを提案する。 テキストプロンプトとシングルビュー画像によって導かれるUVテクスチャマップを生成する7億のパラメータ拡散モデルを訓練する。
  論文  参考訳（メタデータ） (2024-11-22T05:22:11Z)
• Empirical curvelet based Fully Convolutional Network for supervised texture image segmentation [2.780132626494265]
  教師付きテクスチャ分類/セグメンテーションを行うための新しい手法を提案する。 提案されているアイデアは、特定のテクスチャ記述子で完全な畳み込みネットワークを提供することである。 提案手法は,複数のデータセットを用いて評価し,その結果を各種最先端アルゴリズムと比較する。
  論文  参考訳（メタデータ） (2024-10-28T21:49:40Z)
• Paint-it: Text-to-Texture Synthesis via Deep Convolutional Texture Map Optimization and Physically-Based Rendering [47.78392889256976]
  Paint-itは3Dレンダリングのためのテキスト駆動の高忠実なテクスチャマップ合成法である。 Paint-itはScore-Distillation Sampling(SDS)を利用してテキスト記述からテクスチャマップを合成する 我々は,DC-PBRがテクスチャ周波数に応じて最適化カリキュラムをスケジュールし,SDSからノイズ信号を自然にフィルタすることを示した。
  論文  参考訳（メタデータ） (2023-12-18T17:17:08Z)
• Pyramid Texture Filtering [86.15126028139736]
  目立った構造を保ちながらテクスチャをスムーズにするための,シンプルだが効果的な手法を提案する。 ガウスピラミッドの粗いレベルは、しばしば自然にテクスチャを排除し、主要な画像構造を要約する。 本手法は, 異なるスケール, 局所的なコントラスト, 形状のテクスチャから構造を分離する上で, 構造劣化や視覚的アーティファクトの導入を伴わずに有効であることを示す。
  論文  参考訳（メタデータ） (2023-05-11T02:05:30Z)
• Stochastic Texture Filtering [3.4202659118354104]
  フィルタテクスチャルックアップは高品質な画像を生成するのに不可欠である。 提案手法では,BSDF 評価よりも照明評価後のフィルタリングにより,レンダリング方程式の精度が向上することを示す。 リアルタイムレンダリングとオフラインレンダリングの両方でアプリケーションを実演し、追加エラーが最小限であることを示す。
  論文  参考訳（メタデータ） (2023-05-09T23:50:25Z)
• 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)
• FFHQ-UV: Normalized Facial UV-Texture Dataset for 3D Face Reconstruction [46.3392612457273]
  このデータセットには、5万以上の高品質なテクスチャUVマップが含まれており、照度、中性表現、クリーンな顔領域がある。 我々のパイプラインは、StyleGANベースの顔画像編集アプローチの最近の進歩を活用している。 実験により,本手法は最先端手法よりも再現精度が向上することが示された。
  論文  参考訳（メタデータ） (2022-11-25T03:21:05Z)
• Image Edge Restoring Filter [4.060948640328565]
  局所平滑化フィルタの出力におけるぼやけたエッジ画素をクリアに復元するための画像エッジ復元フィルタ(ERF)を提案する。 提案フィルタは,多くの局所スムースティングフィルタの後に実装できる。
  論文  参考訳（メタデータ） (2021-12-27T07:02:01Z)
• Unsharp Mask Guided Filtering [53.14430987860308]
  本論文の目的は,フィルタ中の構造伝達の重要性を強調した画像フィルタリングである。 アンシャープマスキングにインスパイアされたガイドフィルタの新しい簡易な定式化を提案する。 我々の定式化は低域フィルタに先立ってフィルタを楽しみ、単一の係数を推定することで明示的な構造伝達を可能にする。
  論文  参考訳（メタデータ） (2021-06-02T19:15:34Z)
• Adaptive Debanding Filter [55.42929350861115]
  バンディングアーティファクトは、写真やビデオフレームに階段のような色のバンドとして現れます。 後処理モジュールとして,コンテンツ適応型スムースなフィルタリングと拡張量子化を提案する。 実験結果から,提案した解離フィルタは,最先端の偽輪郭除去アルゴリズムよりも視覚的,定量的に優れていることがわかった。
  論文  参考訳（メタデータ） (2020-09-22T20:44:20Z)

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。