論文の概要: Surf-NeRF: Surface Regularised Neural Radiance Fields

• arxiv url: http://arxiv.org/abs/2411.18652v1
• Date: Wed, 27 Nov 2024 03:18:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-02 15:20:35.216066
• Title: Surf-NeRF: Surface Regularised Neural Radiance Fields
• Title（参考訳）: Surf-NeRF:表面規則化ニューラルラジアンス場
• Authors: Jack Naylor, Viorela Ila, Donald G. Dansereau,
• Abstract要約: 表面光場モデルのカリキュラム学習は、NeRFがより幾何学的に正確なシーン表現にどのように収束するかを示す。 提案手法は, 位置符号化されたNeRFに対して14.4%, グリッドベースモデルでは9.2%の改善が得られた。
• 参考スコア（独自算出の注目度）: 3.830184399033188
• License:
• Abstract: Neural Radiance Fields (NeRFs) provide a high fidelity, continuous scene representation that can realistically represent complex behaviour of light. Despite recent works like Ref-NeRF improving geometry through physics-inspired models, the ability for a NeRF to overcome shape-radiance ambiguity and converge to a representation consistent with real geometry remains limited. We demonstrate how curriculum learning of a surface light field model helps a NeRF converge towards a more geometrically accurate scene representation. We introduce four additional regularisation terms to impose geometric smoothness, consistency of normals and a separation of Lambertian and specular appearance at geometry in the scene, conforming to physical models. Our approach yields improvements of 14.4% to normals on positionally encoded NeRFs and 9.2% on grid-based models compared to current reflection-based NeRF variants. This includes a separated view-dependent appearance, conditioning a NeRF to have a geometric representation consistent with the captured scene. We demonstrate compatibility of our method with existing NeRF variants, as a key step in enabling radiance-based representations for geometry critical applications.
• Abstract（参考訳）: ニューラルラジアンス場(NeRF)は、光の複雑な振る舞いを現実的に表現できる高忠実で連続的なシーン表現を提供する。 Ref-NeRFのような最近の研究は物理学に着想を得たモデルを通して幾何学を改良しているが、NeRFが形状と放射のあいまいさを克服し、実際の幾何学と整合した表現に収束する能力は依然として限られている。 我々は,表面光場モデルのカリキュラム学習が,NeRFがより幾何学的に正確なシーン表現にどのように収束するかを示す。 幾何学的滑らかさ、正規性の整合性、シーンにおける幾何学におけるランベルティアンと特異な外見の分離を物理モデルに従って課すために、さらに4つの正規化項を導入する。 提案手法では, 位置符号化されたNeRFに対して14.4%, グリッドベースモデルでは9.2%, 現行の反射型NeRFよりも14.4%向上した。 これには、分離されたビュー依存の外観が含まれており、NeRFがキャプチャされたシーンと整合した幾何学的表現を持つように条件付けされている。 我々は,この手法と既存のNeRF変種との互換性を,幾何学的クリティカルな応用のための放射率に基づく表現を実現するための重要なステップとして示す。

関連論文リスト

• AniSDF: Fused-Granularity Neural Surfaces with Anisotropic Encoding for High-Fidelity 3D Reconstruction [55.69271635843385]
  AniSDF(AniSDF)は,高忠実度3次元再構成のための物理に基づく符号化による融合粒度ニューラルサーフェスを学習する新しいアプローチである。 本手法は, 幾何再構成と新規ビュー合成の両面において, SDF法の品質を飛躍的に向上させる。
  論文  参考訳（メタデータ） (2024-10-02T03:10:38Z)
• RaNeuS: Ray-adaptive Neural Surface Reconstruction [87.20343320266215]
  微分可能放射場 eg NeRF を利用して、新しいビューレンダリングを生成するとともに、詳細な3次元表面を再構成する。 本研究では,SDFから放射場への射影を一様等間隔のアイコニカル正規化で定式化し,最適化することを考えると,光度重み付け係数を改良する。 提案する textitRaNeuS は,合成データと実データの両方で広く評価されている。
  論文  参考訳（メタデータ） (2024-06-14T07:54:25Z)
• NeRF-Casting: Improved View-Dependent Appearance with Consistent Reflections [57.63028964831785]
  最近の研究は、遠方の環境照明の詳細な明細な外観を描画するNeRFの能力を改善しているが、近い内容の一貫した反射を合成することはできない。 我々はこれらの問題をレイトレーシングに基づくアプローチで解決する。 このモデルでは、それぞれのカメラ線に沿った点における視界依存放射率を求めるために高価なニューラルネットワークをクエリする代わりに、これらの点から光を流し、NeRF表現を通して特徴ベクトルを描画します。
  論文  参考訳（メタデータ） (2024-05-23T17:59:57Z)
• Dynamic Mesh-Aware Radiance Fields [75.59025151369308]
  本稿では,メッシュとNeRFの双方向結合をレンダリングおよびシミュレーション時に設計する。 ハイブリッドシステムはメッシュ挿入のための視覚リアリズムの代替よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-09-08T20:18:18Z)
• VDN-NeRF: Resolving Shape-Radiance Ambiguity via View-Dependence Normalization [12.903147173026968]
  VDN-NeRF(VDN-NeRF)は、非ランベルト面および動的照明条件下で、より優れた幾何学のために神経放射場(NeRF)を訓練する手法である。 学習したNeRFに符号化された不変情報を蒸留することにより、ビュー依存性を正規化する手法を開発した。
  論文  参考訳（メタデータ） (2023-03-31T11:13:17Z)
• DehazeNeRF: Multiple Image Haze Removal and 3D Shape Reconstruction using Neural Radiance Fields [56.30120727729177]
  DehazeNeRFは,湿潤な環境下で頑健に動作するフレームワークとして紹介する。 提案手法は,複数視点のヘイズ除去,新しいビュー合成,既存手法が失敗する3次元形状再構成を成功させるものである。
  論文  参考訳（メタデータ） (2023-03-20T18:03:32Z)
• GeCoNeRF: Few-shot Neural Radiance Fields via Geometric Consistency [31.22435282922934]
  我々は、幾何認識整合性正規化を伴う数ショット設定でニューラルラジアンス場(NeRF)を正則化する新しいフレームワークを提案する。 本研究では,最新の数発のNeRFモデルと比較して,競争力のある結果が得られることを示す。
  論文  参考訳（メタデータ） (2023-01-26T05:14:12Z)
• NeRF, meet differential geometry! [10.269997499911668]
  微分幾何学は、NeRFのようなモデルを頑健に訓練するための正規化ツールをいかに提供できるかを示す。 これらのツールが,従来提案されていたNeRF変種を直接数学的定式化して,課題のある条件下での性能向上を図る方法を示す。
  論文  参考訳（メタデータ） (2022-06-29T22:45:34Z)
• PVSeRF: Joint Pixel-, Voxel- and Surface-Aligned Radiance Field for Single-Image Novel View Synthesis [52.546998369121354]
  シングルビューRGB画像からニューラル放射場を再構成する学習フレームワークPVSeRFを提案する。 本稿では,明示的な幾何学的推論を取り入れ,放射場予測のための画素アラインな特徴と組み合わせることを提案する。 このような幾何学的特徴の導入は、外観と幾何学の絡み合いを改善するのに有効であることを示す。
  論文  参考訳（メタデータ） (2022-02-10T07:39:47Z)
• Ref-NeRF: Structured View-Dependent Appearance for Neural Radiance Fields [40.72851892972173]
  本稿では,NeRFの視界依存放射のパラメータ化を反射放射率と構造表現に置き換えるRef-NeRFを提案する。 また,本モデルの内部的放射率表現は,シーン編集に有用であることを示す。
  論文  参考訳（メタデータ） (2021-12-07T18:58:37Z)

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。