Fugu-MT 論文翻訳(概要): TeX-NeRF: Neural Radiance Fields from Pseudo-TeX Vision

論文の概要: TeX-NeRF: Neural Radiance Fields from Pseudo-TeX Vision

arxiv url: http://arxiv.org/abs/2410.04873v1
Date: Mon, 7 Oct 2024 09:43:28 GMT
ステータス: 処理完了
システム内更新日: 2024-11-02 01:27:55.648398
Title: TeX-NeRF: Neural Radiance Fields from Pseudo-TeX Vision
Title（参考訳）: TeX-NeRF:擬似TeXビジョンからの神経放射場
Authors: Chonghao Zhong, Chao Xu,
Abstract要約: 赤外線画像のみを用いた3次元再構成法Ne-RFを提案する。我々は、シーンの温度、放射性(e)、テクスチャ(X)を彩度(S)、色空間の色調(H)、値(V)チャネルにマッピングする。処理した画像を用いた新しいビュー合成は優れた結果を得た。
参考スコア（独自算出の注目度）: 5.77388464529179
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Neural radiance fields (NeRF) has gained significant attention for its exceptional visual effects. However, most existing NeRF methods reconstruct 3D scenes from RGB images captured by visible light cameras. In practical scenarios like darkness, low light, or bad weather, visible light cameras become ineffective. Therefore, we propose TeX-NeRF, a 3D reconstruction method using only infrared images, which introduces the object material emissivity as a priori, preprocesses the infrared images using Pseudo-TeX vision, and maps the temperatures (T), emissivities (e), and textures (X) of the scene into the saturation (S), hue (H), and value (V) channels of the HSV color space, respectively. Novel view synthesis using the processed images has yielded excellent results. Additionally, we introduce 3D-TeX Datasets, the first dataset comprising infrared images and their corresponding Pseudo-TeX vision images. Experiments demonstrate that our method not only matches the quality of scene reconstruction achieved with high-quality RGB images but also provides accurate temperature estimations for objects in the scene.
Abstract（参考訳）: 神経放射野(NeRF)はその異常な視覚効果で注目されている。しかし、既存のNeRF法のほとんどは、可視光カメラで撮影したRGB画像から3Dシーンを再構成している。暗黒、低照度、悪天候のような現実的なシナリオでは、可視光カメラは効果がない。そこで,Pseudo-TeXビジョンを用いて,対象物質放射率を事前処理し,シーンの温度(T),放射率(e),テクスチャ(X)をそれぞれ飽和(S),色調(H),値(V)チャネルにマッピングする,赤外線画像のみを用いた3次元再構成手法TeX-NeRFを提案する。処理した画像を用いた新しいビュー合成は優れた結果を得た。さらに、赤外線画像とそれに対応する擬似TeX視覚画像からなる最初のデータセットである3D-TeXデータセットを導入する。実験により,提案手法は高画質のRGB画像で達成したシーン再構成の質に適合するだけでなく,シーン内の物体の正確な温度推定も可能であることが示された。

関連論文リスト

Thermal3D-GS: Physics-induced 3D Gaussians for Thermal Infrared Novel-view Synthesis [11.793425521298488]
本稿では,熱3D-GSという物理誘導型3次元ガウススプラッティング法を提案する。 The first large-scale benchmark dataset for this field called Thermal Infrared Novel-view Synthesis dataset (TI-NSD)。その結果,本手法はPSNRの3.03dB改善によりベースライン法よりも優れていた。
論文参考訳（メタデータ） (2024-09-12T13:46:53Z)
ThermalNeRF: Thermal Radiance Fields [32.881758519242155]
LWIRとRGB画像の集合からシーン再構築のための統一的なフレームワークを提案する。我々は、前処理のステップとして、RGBと赤外線カメラを互いに調整する。提案手法は,RGBや熱チャネルに隠された物体を視覚的に除去すると共に,超高分解能な熱分解能を有することを示す。
論文参考訳（メタデータ） (2024-07-22T02:51:29Z)
Mesh2NeRF: Direct Mesh Supervision for Neural Radiance Field Representation and Generation [51.346733271166926]
Mesh2NeRFは、3次元生成タスクのためのテクスチャメッシュから地上構造放射場を導出するアプローチである。各種タスクにおけるMesh2NeRFの有効性を検証する。
論文参考訳（メタデータ） (2024-03-28T11:22:53Z)
Leveraging Thermal Modality to Enhance Reconstruction in Low-Light Conditions [25.14690752484963]
ニューラル・ラジアンス・フィールド(NeRF)は、多視点画像からシーンの暗黙的な表現を学習することにより、写真リアリスティックなノベルビュー合成を実現する。既存のアプローチは、生画像から低照度シーンを再構築するが、暗黒領域におけるテクスチャや境界の詳細の回復に苦慮している。本研究では,熱的・可視的な原像を入力とし,同時に可視的・熱的視点合成を実現する熱-NeRFを提案する。
論文参考訳（メタデータ） (2024-03-21T00:35:31Z)
ThermoNeRF: Multimodal Neural Radiance Fields for Thermal Novel View Synthesis [5.66229031510643]
本研究では,新しいRGBとサーマルビューを共同でレンダリングする手法であるThermoNeRFを提案する。熱画像のテクスチャの欠如を克服するために,RGBと熱画像を組み合わせてシーン密度を学習する。また、シーン再構築に利用可能なRGB+熱的データセットの欠如を緩和する新しいデータセットであるThermoScenesも導入した。
論文参考訳（メタデータ） (2024-03-18T18:10:34Z)
Thermal-NeRF: Neural Radiance Fields from an Infrared Camera [29.58060552299745]
本研究では,IR画像のみからNeRFの形でボリュームシーン表現を推定する最初の方法であるTherial-NeRFを紹介する。本研究では,既存の方法よりも優れた品質が得られることを示すため,広範囲な実験を行った。
論文参考訳（メタデータ） (2024-03-15T14:27:15Z)
PERF: Panoramic Neural Radiance Field from a Single Panorama [109.31072618058043]
PERFはパノラマ性神経放射場を1つのパノラマから訓練する新しいビュー合成フレームワークである。本研究では,360度2Dシーンを3Dシーンに持ち上げるために,新しい共同RGBDインペイント法とプログレッシブ・インペイント・アンド・エラスティング法を提案する。 PERFは,パノラマから3D,テキストから3D,3Dシーンのスタイリングなど,現実世界のアプリケーションに広く利用することができる。
論文参考訳（メタデータ） (2023-10-25T17:59:01Z)
PDRF: Progressively Deblurring Radiance Field for Fast and Robust Scene Reconstruction from Blurry Images [75.87721926918874]
PDRF(Progressive Deblurring Radiance Field)について報告する。 PDRFは、ぼやけた画像から高品質な放射場を効率的に再構成する新しい手法である。 PDRF は以前の State-of-The-Art シーン再構成手法よりも15倍高速であることを示す。
論文参考訳（メタデータ） (2022-08-17T03:42:29Z)
Urban Radiance Fields [77.43604458481637]
本研究では,都市屋外環境における世界地図作成によく利用されるスキャニングプラットフォームによって収集されたデータから3次元再構成と新しいビュー合成を行う。提案手法は、制御された環境下での小さなシーンのための現実的な新しい画像の合成を実証したニューラルラジアンス場を拡張している。これら3つのエクステンションはそれぞれ、ストリートビューデータの実験において、大幅なパフォーマンス改善を提供する。
論文参考訳（メタデータ） (2021-11-29T15:58:16Z)
iNeRF: Inverting Neural Radiance Fields for Pose Estimation [68.91325516370013]
Neural RadianceField(NeRF)を「反転」してメッシュフリーポーズ推定を行うフレームワークiNeRFを紹介します。 NeRFはビュー合成のタスクに極めて有効であることが示されている。
論文参考訳（メタデータ） (2020-12-10T18:36:40Z)
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。