論文の概要: Physically Based Neural Bidirectional Reflectance Distribution Function

• arxiv url: http://arxiv.org/abs/2411.02347v1
• Date: Mon, 04 Nov 2024 18:17:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-05 14:48:41.597520
• Title: Physically Based Neural Bidirectional Reflectance Distribution Function
• Title（参考訳）: 物理ベースニューラル双方向反射分布関数
• Authors: Chenliang Zhou, Alejandro Sztrajman, Gilles Rainer, Fangcheng Zhong, Fazilet Gokbudak, Zhilin Guo, Weihao Xia, Rafal Mantiuk, Cengiz Oztireli,
• Abstract要約: 我々はPBNBRDFを物理ベースとしたニューラル双方向反射分布関数を導入する。 本モデルは,現実的なBRDFの物理特性を独自に保ちながら,現実世界の物質を正確に再構成する。
• 参考スコア（独自算出の注目度）: 40.726751711127946
• License:
• Abstract: We introduce the physically based neural bidirectional reflectance distribution function (PBNBRDF), a novel, continuous representation for material appearance based on neural fields. Our model accurately reconstructs real-world materials while uniquely enforcing physical properties for realistic BRDFs, specifically Helmholtz reciprocity via reparametrization and energy passivity via efficient analytical integration. We conduct a systematic analysis demonstrating the benefits of adhering to these physical laws on the visual quality of reconstructed materials. Additionally, we enhance the color accuracy of neural BRDFs by introducing chromaticity enforcement supervising the norms of RGB channels. Through both qualitative and quantitative experiments on multiple databases of measured real-world BRDFs, we show that adhering to these physical constraints enables neural fields to more faithfully and stably represent the original data and achieve higher rendering quality.
• Abstract（参考訳）: 本稿では,PBNBRDF(Philipal-based neural bidirectional Reflectance Distribution function)について紹介する。 本モデルでは,現実的なBRDFの物理特性,特に再パラメータ化によるヘルムホルツの相互性,および効率的な解析積分によるエネルギー透過性について,実世界の物質を正確に再構成する。 再建された材料の視覚的品質にこれらの物理法則を順守することの利点を示す体系的な分析を行う。 さらに、RGBチャネルの基準を監督する色度強制を導入することにより、ニューラルBRDFの色精度を向上させる。 実世界のBRDFの複数のデータベースにおける定性的および定量的な実験を通して、これらの物理的制約に固執することで、ニューラルネットワークが元のデータをより忠実に安定して表現し、より高いレンダリング品質を実現することができることを示す。

関連論文リスト

• PhyRecon: Physically Plausible Neural Scene Reconstruction [81.73129450090684]
  PHYRECONは、微分可能なレンダリングと微分可能な物理シミュレーションの両方を利用して暗黙的な表面表現を学習する最初のアプローチである。 この設計の中心は、SDFに基づく暗黙の表現と明示的な表面点の間の効率的な変換である。 また,物理シミュレータの安定性も向上し,全データセットに対して少なくとも40%の改善が得られた。
  論文  参考訳（メタデータ） (2024-04-25T15:06:58Z)
• Neural Echos: Depthwise Convolutional Filters Replicate Biological Receptive Fields [56.69755544814834]
  哺乳類網膜で観察される生体受容野を,深部核が効果的に複製していることを示す証拠を提示する。 生体受容の分野からインスピレーションを得る手法を提案する。
  論文  参考訳（メタデータ） (2024-01-18T18:06:22Z)
• Anisotropic Neural Representation Learning for High-Quality Neural Rendering [0.0]
  本稿では、学習可能なビュー依存機能を利用してシーン表現と再構成を改善する異方性ニューラル表現学習法を提案する。 我々の手法は柔軟であり、NeRFベースのフレームワークにプラグインできる。
  論文  参考訳（メタデータ） (2023-11-30T07:29:30Z)
• Real-Time Neural BRDF with Spherically Distributed Primitives [35.09149879060455]
  本稿では,高性能な材料表現を実現するニューラルBRDFを提案する。 その結果,本システムは様々な外観でリアルタイムレンダリングを実現していることがわかった。
  論文  参考訳（メタデータ） (2023-10-12T13:46:36Z)
• Physics-Driven Turbulence Image Restoration with Stochastic Refinement [80.79900297089176]
  大気乱流による画像歪みは、長距離光学画像システムにおいて重要な問題である。 ディープラーニングモデルが現実世界の乱流条件に適応するために、高速で物理学的なシミュレーションツールが導入された。 本稿では,物理統合復元ネットワーク(PiRN)を提案する。
  論文  参考訳（メタデータ） (2023-07-20T05:49:21Z)
• Neural-PBIR Reconstruction of Shape, Material, and Illumination [26.628189591572074]
  ニューラルネットワークを用いた物体再構成と物理ベースの逆レンダリング(PBIR)を組み合わせた高精度かつ高効率な物体再構成パイプラインを提案する。 我々のパイプラインは、まず、ニューラルネットワークSDFに基づく形状再構成を利用して、高品質であるが、潜在的に不完全な物体形状を生成する。 最終段階では、ニューラルネットワークによる予測により、PBIRを行い、初期結果を洗練し、オブジェクトの形状、材料、照明の最終的な高品質な再構築を得る。
  論文  参考訳（メタデータ） (2023-04-26T11:02:04Z)
• Neural Implicit Representations for Physical Parameter Inference from a Single Video [49.766574469284485]
  本稿では,外見モデルのためのニューラル暗黙表現と,物理現象をモデル化するためのニューラル常微分方程式(ODE)を組み合わせることを提案する。 提案モデルでは,大規模なトレーニングデータセットを必要とする既存のアプローチとは対照的に,単一のビデオから物理的パラメータを識別することが可能になる。 ニューラル暗示表現を使用することで、高解像度ビデオの処理とフォトリアリスティック画像の合成が可能になる。
  論文  参考訳（メタデータ） (2022-04-29T11:55:35Z)
• Neural BRDF Representation and Importance Sampling [79.84316447473873]
  本稿では,リフレクタンスBRDFデータのコンパクトニューラルネットワークに基づく表現について述べる。 BRDFを軽量ネットワークとしてエンコードし、適応角サンプリングによるトレーニングスキームを提案する。 複数の実世界のデータセットから等方性および異方性BRDFの符号化結果を評価する。
  論文  参考訳（メタデータ） (2021-02-11T12:00:24Z)
• Invertible Neural BRDF for Object Inverse Rendering [27.86441556552318]
  本稿では,新しいニューラルネットワークに基づくBRDFモデルと,オブジェクト逆レンダリングのためのベイズフレームワークを提案する。 多数の測定データに基づいて, 可逆性ニューラルBRDFモデルの精度を実験的に検証した。 結果は、ディープニューラルネットワークが逆問題に挑戦するのに役立つ新しい方法を示している。
  論文  参考訳（メタデータ） (2020-08-10T11:27:01Z)

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。