論文の概要: Drantal-NeRF: Diffusion-Based Restoration for Anti-aliasing Neural Radiance Field

• arxiv url: http://arxiv.org/abs/2407.07461v1
• Date: Wed, 10 Jul 2024 08:32:13 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-11 17:21:35.024843
• Title: Drantal-NeRF: Diffusion-Based Restoration for Anti-aliasing Neural Radiance Field
• Title（参考訳）: Drantal-NeRF: Diffusion-based Restoration for Anti-aliasing Neural Radiance Field (特集:ニューラルラジアンス)
• Authors: Ganlin Yang, Kaidong Zhang, Jingjing Fu, Dong Liu,
• Abstract要約: Neural Radiance Field (NeRF) が生成したレンダリングにおけるアーティファクトのエイリアス化は、長く続くが複雑な問題である。 拡散を利用した抗エイリアス性神経放射場(Drantal-NeRF)の復元法を提案する。
• 参考スコア（独自算出の注目度）: 10.225323718645022
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Aliasing artifacts in renderings produced by Neural Radiance Field (NeRF) is a long-standing but complex issue in the field of 3D implicit representation, which arises from a multitude of intricate causes and was mitigated by designing more advanced but complex scene parameterization methods before. In this paper, we present a Diffusion-based restoration method for anti-aliasing Neural Radiance Field (Drantal-NeRF). We consider the anti-aliasing issue from a low-level restoration perspective by viewing aliasing artifacts as a kind of degradation model added to clean ground truths. By leveraging the powerful prior knowledge encapsulated in diffusion model, we could restore the high-realism anti-aliasing renderings conditioned on aliased low-quality counterparts. We further employ a feature-wrapping operation to ensure multi-view restoration consistency and finetune the VAE decoder to better adapt to the scene-specific data distribution. Our proposed method is easy to implement and agnostic to various NeRF backbones. We conduct extensive experiments on challenging large-scale urban scenes as well as unbounded 360-degree scenes and achieve substantial qualitative and quantitative improvements.
• Abstract（参考訳）: ニューラル・ラジアンス・フィールド(Neural Radiance Field, NeRF)が生成したレンダリングにおけるアーティファクトのエイリアス化は、3次元の暗黙の表現の分野で長く続くが複雑な問題である。 本稿では,抗エイリアス性ニューラルレーダー(Drantal-NeRF)の拡散型修復法を提案する。 アーティファクトを地平の真理に付加した一種の劣化モデルとして見ることにより,低レベル修復の観点からのアンチエイリアス対策の課題を考察する。 拡散モデルにカプセル化された強力な事前知識を利用することで、エイリアス化された低品質な表現に条件付けられた高現実主義のアンチエイリアスレンダリングを復元することができる。 さらに,マルチビュー復元の整合性を確保し,VAEデコーダを微調整し,シーン固有のデータ分布に適応させるために,機能ラッピング操作を用いる。 提案手法は実装が容易で,様々なNeRFバックボーンに非依存である。 本研究では,大規模都市景観への挑戦と,非境界の360度シーンに対する広範囲な実験を行い,質的,定量的な改善を実現している。

関連論文リスト

• Towards Degradation-Robust Reconstruction in Generalizable NeRF [58.33351079982745]
  GNeRF(Generalizable Radiance Field)は,シーンごとの最適化を回避する手段として有効であることが証明されている。 GNeRFの強靭性は, ソース画像に現れる様々な種類の劣化に対して限定的に研究されている。
  論文  参考訳（メタデータ） (2024-11-18T16:13:47Z)
• Taming Latent Diffusion Model for Neural Radiance Field Inpainting [63.297262813285265]
  ニューラル・ラジアンス・フィールド(NeRF)は多視点画像からの3次元再構成の表現である。 本研究では,シーンごとのカスタマイズによる拡散モデルの傾向の緩和と,マスキングトレーニングによるテクスチャシフトの緩和を提案する。 我々のフレームワークは、様々な現実世界のシーンに最先端のNeRF塗装結果をもたらす。
  論文  参考訳（メタデータ） (2024-04-15T17:59:57Z)
• RaFE: Generative Radiance Fields Restoration [38.602849644666165]
  NeRF(Neural Radiance Fields)は、新しいビュー合成と3次元再構成において大きな可能性を証明している。 従来のNeRF修復法は、回復の一般性を無視して、特定の劣化タイプに合わせて調整されている。 本稿では,様々な種類の劣化に対して適用可能な一般放射場復元パイプラインであるRaFEを提案する。
  論文  参考訳（メタデータ） (2024-04-04T17:59:50Z)
• VQ-NeRF: Vector Quantization Enhances Implicit Neural Representations [25.88881764546414]
  VQ-NeRFは、ベクトル量子化による暗黙の神経表現を強化するための効率的なパイプラインである。 圧縮および原スケールの両スケールでNeRFモデルを同時に最適化する,革新的なマルチスケールNeRFサンプリング方式を提案する。 我々は3次元再構成の幾何学的忠実度とセマンティックコヒーレンスを改善するためにセマンティックロス関数を組み込んだ。
  論文  参考訳（メタデータ） (2023-10-23T01:41:38Z)
• Anti-Aliased Neural Implicit Surfaces with Encoding Level of Detail [54.03399077258403]
  本稿では,高頻度幾何細部リカバリとアンチエイリアス化された新しいビューレンダリングのための効率的なニューラル表現であるLoD-NeuSを提案する。 我々の表現は、光線に沿った円錐状のフラストラム内の多面体化から空間特徴を集約する。
  論文  参考訳（メタデータ） (2023-09-19T05:44:00Z)
• GANeRF: Leveraging Discriminators to Optimize Neural Radiance Fields [12.92658687936068]
  我々は、GAN(Generative Adversarial Network)を利用して、現実的な画像を生成し、それを用いて、NeRFを用いた3次元シーン再構成におけるリアリズムを強化する。 逆微分器を用いてシーンのパッチ分布を学習し、ラディアンスフィールド再構成に対するフィードバックを提供する。 レンダリングアーティファクトは、マルチビューパスレンダリング制約を課すことで、基礎となる3D表現を直接修復する。
  論文  参考訳（メタデータ） (2023-06-09T17:12:35Z)
• 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)
• ShadowDiffusion: When Degradation Prior Meets Diffusion Model for Shadow Removal [74.86415440438051]
  画像と劣化先行情報を統合した統合拡散フレームワークを提案する。 SRDデータセット上でのPSNRは31.69dBから34.73dBへと大幅に向上した。
  論文  参考訳（メタデータ） (2022-12-09T07:48:30Z)
• NeRF++: Analyzing and Improving Neural Radiance Fields [117.73411181186088]
  ニューラル・レージアンス・フィールド(NeRF)は、様々なキャプチャ設定のための印象的なビュー合成結果を達成する。 NeRFは、ビュー不変不透明度とビュー依存カラーボリュームを表す多層パーセプトロンを一連のトレーニング画像に適合させる。 大規模3次元シーンにおける物体の360度捕獲にNeRFを適用する際のパラメトリゼーション問題に対処する。
  論文  参考訳（メタデータ） (2020-10-15T03:24:14Z)

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。