論文の概要: Fast Local Neural Regression for Low-Cost, Path Traced Lambertian Global Illumination

• arxiv url: http://arxiv.org/abs/2410.11625v1
• Date: Tue, 15 Oct 2024 14:14:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-16 14:03:00.221367
• Title: Fast Local Neural Regression for Low-Cost, Path Traced Lambertian Global Illumination
• Title（参考訳）: 高速局所性ニューロレグレッションによるLabertian Global Illuminationの経時的変化
• Authors: Arturo Salmi, Szabolcs Cséfalvay, James Imber,
• Abstract要約: リアルタイム光の予算は、コモディティハードウェア上で1ピクセルあたりのサンプル数個に制限されている。 ニューラルネットワークを計算効率のよい局所線形モデルベースデノイザに組み込むことを提案する。 非常に低いサンプル数でランベルティアンシーンのグローバル照明の忠実な単一フレーム再構成を実演する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Despite recent advances in hardware acceleration of ray tracing, real-time ray budgets remain stubbornly limited at a handful of samples per pixel (spp) on commodity hardware, placing the onus on denoising algorithms to achieve high visual quality for path traced global illumination. Neural network-based solutions give excellent result quality at the cost of increased execution time relative to hand-engineered methods, making them less suitable for deployment on resource-constrained systems. We therefore propose incorporating a neural network into a computationally-efficient local linear model-based denoiser, and demonstrate faithful single-frame reconstruction of global illumination for Lambertian scenes at very low sample counts (1spp) and for low computational cost. Other contributions include improving the quality and performance of local linear model-based denoising through a simplified mathematical treatment, and demonstration of the surprising usefulness of ambient occlusion as a guide channel. We also show how our technique is straightforwardly extensible to joint denoising and upsampling of path traced renders with reference to low-cost, rasterized guide channels.
• Abstract（参考訳）: レイトレーシングのハードウェアアクセラレーションの最近の進歩にもかかわらず、リアルタイム光線予算は、コモディティハードウェア上では1ピクセル当たりのサンプル(spp)に限られており、パストレースされたグローバル照明の視覚的品質を達成するために、デノナイジングアルゴリズムに重点を置いている。 ニューラルネットワークベースのソリューションは、手作業による手法と比較して実行時間を増やすコストで優れた結果品質を提供するため、リソース制約のあるシステムへのデプロイには適さない。 そこで我々は,ニューラルネットワークを計算効率のよい局所線形モデルベースデノイザに組み込むことを提案し,非常に低いサンプル数(1spp)と低い計算コストで,ランベルティアンシーンのグローバル照明の忠実な単一フレーム再構築を示す。 その他の貢献としては、単純化された数学的処理による局所線形モデルに基づく認知の質と性能の向上、およびガイドチャネルとしての周囲閉塞の驚くべき有用性の実証がある。 また,低コストでラスタライズされたガイドチャネルを参照して,パストレースレンダリングのジョイントデノイングとアップサンプリングに対して,我々の手法がいかに容易に拡張可能であるかを示す。

関連論文リスト

• Fast and Accurate Neural Rendering Using Semi-Gradients [2.977255700811213]
  我々は,グローバル照明レンダリングのためのニューラルネットワークベースのフレームワークを提案する。 これらの問題の原因を,残差に基づく目的関数の勾配推定における偏りと高分散として同定する。
  論文  参考訳（メタデータ） (2024-10-14T04:30:38Z)
• RL-based Stateful Neural Adaptive Sampling and Denoising for Real-Time Path Tracing [1.534667887016089]
  モンテカルロ経路追跡は、現実的な画像合成の強力な手法であるが、低いサンプル数での高レベルのノイズに悩まされている。 本稿では,サンプリング重要度ネットワーク,遅延空間エンコーダネットワーク,デノイザネットワークをエンドツーエンドでトレーニングするフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-05T12:39:27Z)
• Advancing Unsupervised Low-light Image Enhancement: Noise Estimation, Illumination Interpolation, and Self-Regulation [55.07472635587852]
  低光画像強調(LLIE)技術は、画像の詳細の保存とコントラストの強化に顕著な進歩をもたらした。 これらのアプローチは、動的ノイズを効率的に緩和し、様々な低照度シナリオを収容する上で、永続的な課題に直面する。 まず,低照度画像の雑音レベルを迅速かつ高精度に推定する方法を提案する。 次に、照明と入力の一般的な制約を満たすために、Learningable Illumination Interpolator (LII) を考案する。
  論文  参考訳（メタデータ） (2023-05-17T13:56:48Z)
• InfoNeRF: Ray Entropy Minimization for Few-Shot Neural Volume Rendering [55.70938412352287]
  ニューラルな暗黙表現に基づく数ショットの新規ビュー合成のための情報理論正規化手法を提案する。 提案手法は,不十分な視点で発生する潜在的な復元の不整合を最小化する。 複数の標準ベンチマークにおいて,既存のニューラルビュー合成手法と比較して一貫した性能向上を実現している。
  論文  参考訳（メタデータ） (2021-12-31T11:56:01Z)
• Learning Neural Light Fields with Ray-Space Embedding Networks [51.88457861982689]
  我々は、コンパクトで、光線に沿った統合放射率を直接予測する新しいニューラル光場表現を提案する。 提案手法は,Stanford Light Field データセットのような,高密度の前方向きデータセットの最先端品質を実現する。
  論文  参考訳（メタデータ） (2021-12-02T18:59:51Z)
• NeRF in detail: Learning to sample for view synthesis [104.75126790300735]
  ニューラルレイディアンス場(NeRF)法は目覚ましい新しいビュー合成を実証している。 この作業では、バニラ粗大なアプローチの明確な制限に対処します -- パフォーマンスに基づいており、手元にあるタスクのエンドツーエンドをトレーニングしていません。 我々は、サンプルの提案と、そのネットワークにおける重要性を学習し、そのニューラルネットワークアーキテクチャに対する複数の代替案を検討し比較する、微分可能なモジュールを導入する。
  論文  参考訳（メタデータ） (2021-06-09T17:59:10Z)
• Photon-Driven Neural Path Guiding [102.12596782286607]
  本稿では,スパース標本群から誘導される経路の高品質なサンプリング分布を再構築するニューラルパス誘導手法を提案する。 我々は、光源から追跡した光子をサンプリング密度再構成の入力として利用し、強力なグローバル照明の挑戦シーンに非常に効果的である。 提案手法は,従来の最先端の経路案内手法よりも,テストシーンのレンダリング結果が大幅に向上する。
  論文  参考訳（メタデータ） (2020-10-05T04:54:01Z)
• Object-based Illumination Estimation with Rendering-aware Neural Networks [56.01734918693844]
  個々の物体とその局所画像領域のRGBD外観から高速環境光推定手法を提案する。 推定照明により、仮想オブジェクトは実際のシーンと一貫性のあるシェーディングでARシナリオでレンダリングできる。
  論文  参考訳（メタデータ） (2020-08-06T08:23:19Z)
• Monocular Real-Time Volumetric Performance Capture [28.481131687883256]
  本稿では,モノクロ映像から実時間速度でボリューム・パフォーマンス・キャプチャとノベル・ビュー・レンダリングを行うための最初のアプローチを提案する。 このシステムは,Pixel-Aligned Implicit Function (PIFu)を活用して,各フレームから完全にテクスチャ化された3次元人体を再構成する。 また,オンラインハード・サンプル・マイニング(OHEM)技術を導入し,難題の稀な発生により,障害モードを効果的に抑制する手法を提案する。
  論文  参考訳（メタデータ） (2020-07-28T04:45:13Z)

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。