論文の概要: Normal-NeRF: Ambiguity-Robust Normal Estimation for Highly Reflective Scenes

• arxiv url: http://arxiv.org/abs/2501.09460v1
• Date: Thu, 16 Jan 2025 10:42:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-17 15:10:12.016388
• Title: Normal-NeRF: Ambiguity-Robust Normal Estimation for Highly Reflective Scenes
• Title（参考訳）: 正常-NeRF:高反射性シーンの曖昧性-ロバスト正規推定
• Authors: Ji Shi, Xianghua Ying, Ruohao Guo, Bowei Xing, Wenzhen Yue,
• Abstract要約: 本稿では,不明瞭な形状でも頑健な透過率勾配に基づく正規推定手法を提案する。 提案手法は,高スペクトル反射と複雑な幾何学的構造を持つシーンの頑健な再構成と高忠実なレンダリングを実現する。
• 参考スコア（独自算出の注目度）: 11.515561389102174
• License:
• Abstract: Neural Radiance Fields (NeRF) often struggle with reconstructing and rendering highly reflective scenes. Recent advancements have developed various reflection-aware appearance models to enhance NeRF's capability to render specular reflections. However, the robust reconstruction of highly reflective scenes is still hindered by the inherent shape ambiguity on specular surfaces. Existing methods typically rely on additional geometry priors to regularize the shape prediction, but this can lead to oversmoothed geometry in complex scenes. Observing the critical role of surface normals in parameterizing reflections, we introduce a transmittance-gradient-based normal estimation technique that remains robust even under ambiguous shape conditions. Furthermore, we propose a dual activated densities module that effectively bridges the gap between smooth surface normals and sharp object boundaries. Combined with a reflection-aware appearance model, our proposed method achieves robust reconstruction and high-fidelity rendering of scenes featuring both highly specular reflections and intricate geometric structures. Extensive experiments demonstrate that our method outperforms existing state-of-the-art methods on various datasets.
• Abstract（参考訳）: ニューラルレージアンス・フィールド(NeRF)は、しばしば非常に反射的なシーンの再構成とレンダリングに苦労する。 近年の進歩は、スペクトル反射を描画するNeRFの能力を高めるために様々な反射認識外見モデルを開発した。 しかし、非常に反射的なシーンの頑健な再構築は、まだ特異面に固有の形状の曖昧さによって妨げられている。 既存の手法は通常、形状予測を規則化するために追加の幾何学的先行に頼っているが、これは複雑な場面で過度に滑らかな幾何学に繋がる可能性がある。 パラメータ化反射における表面正規化の重要な役割を考察し,不明瞭な形状条件下においても頑健な透過率勾配に基づく正規推定手法を導入する。 さらに,スムーズな表面法則と鋭い物体境界とのギャップを効果的に橋渡しするデュアルアクティブ密度モジュールを提案する。 提案手法は反射型外観モデルと組み合わせて,高スペクトル反射と複雑な幾何学的構造を持つシーンの頑健な再構成と高忠実なレンダリングを実現する。 大規模な実験により,本手法は様々なデータセット上で既存の最先端手法よりも優れていることが示された。

関連論文リスト

• Planar Reflection-Aware Neural Radiance Fields [32.709468082010126]
  我々は、窓などの平面反射体を共同でモデル化し、反射光を明示的に鋳造して高周波反射源を捉える反射型NeRFを提案する。 一次光線に沿ってレンダリングすると、きれいで反射のないビューとなり、一方、反射光線に沿って明示的にレンダリングすることで、非常に詳細な反射を再構成することができる。
  論文  参考訳（メタデータ） (2024-11-07T18:55:08Z)
• 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)
• Rethinking Directional Parameterization in Neural Implicit Surface Reconstruction [7.970528879271508]
  ニューラルな暗示表現を用いた多視点3次元表面再構成は顕著な進歩を遂げた。 しかし、鏡面や複雑な表面を持つ物体の再構成におけるそれらの効果は、一般的に、ビュー依存放射ネットワークで使用される方向パラメータ化に偏っている。 本稿では,これらの制約を統一形式で解決するための,新しいハイブリッド指向パラメータ化を提案する。
  論文  参考訳（メタデータ） (2024-09-11T00:44:31Z)
• ND-SDF: Learning Normal Deflection Fields for High-Fidelity Indoor Reconstruction [50.07671826433922]
  微妙な幾何を同時に復元し、異なる特徴を持つ領域をまたいだ滑らかさを保つことは自明ではない。 そこで我々は,ND-SDFを提案する。ND-SDFは,通常のシーンとそれ以前のシーンの角偏差を表す正規偏向場を学習する。 本手法は, 壁面や床面などのスムーズなテクスチャ構造を得るだけでなく, 複雑な構造の幾何学的詳細も保存する。
  論文  参考訳（メタデータ） (2024-08-22T17:59:01Z)
• NeRSP: Neural 3D Reconstruction for Reflective Objects with Sparse Polarized Images [62.752710734332894]
  NeRSPはスパース偏光画像を用いた反射面のニューラル3次元再構成技術である。 偏光画像形成モデルと多視点方位整合性から測光的および幾何学的手がかりを導出する。 我々は6つのビューのみを入力として、最先端の表面再構成結果を達成する。
  論文  参考訳（メタデータ） (2024-06-11T09:53:18Z)
• REFRAME: Reflective Surface Real-Time Rendering for Mobile Devices [51.983541908241726]
  本研究は,様々な場面にまたがる反射面に対して,リアルタイムな新規ビュー合成を実現するための課題に取り組む。 既存のリアルタイムレンダリング手法、特にメッシュに基づくレンダリングは、リッチなビュー依存の外観を持つモデリングサーフェスにおいて、サブパーパフォーマンスを持つことが多い。 色を拡散およびスペクトルに分解し、ニューラル環境マップに基づいて反射方向のスペクトル色をモデル化する。
  論文  参考訳（メタデータ） (2024-03-25T07:07:50Z)
• GNeRP: Gaussian-guided Neural Reconstruction of Reflective Objects with Noisy Polarization Priors [8.8400072344375]
  ニューラルレイディアンス場(NeRF)からの学習面がマルチビューステレオ(MVS)の話題となった 近年の手法は、ランバートのシーンの正確な3次元形状を復元する能力を示した。 しかし、反射シーンにおけるそれらの結果は、特異な放射率と複雑な幾何学の絡み合いにより満足できない。
  論文  参考訳（メタデータ） (2024-03-18T15:58:03Z)
• UniSDF: Unifying Neural Representations for High-Fidelity 3D Reconstruction of Complex Scenes with Reflections [87.191742674543]
  大規模な複雑なシーンをリフレクションで再構成できる汎用3次元再構成手法UniSDFを提案する。 提案手法は,複雑な大規模シーンを細部と反射面で頑健に再構築し,全体的な性能を向上する。
  論文  参考訳（メタデータ） (2023-12-20T18:59:42Z)
• TraM-NeRF: Tracing Mirror and Near-Perfect Specular Reflections through Neural Radiance Fields [3.061835990893184]
  NeRF(Neural Radiance Fields)のような暗黙の表現は、複雑なシーンを細かな詳細でレンダリングするための印象的な結果を示した。 本研究では,NeRF内部のボリュームレンダリングに適した新しいリフレクショントレーシング手法を提案する。 少数の試料から,光線による重要サンプリングと透過率計算の効率的な手法を導出した。
  論文  参考訳（メタデータ） (2023-10-16T17:59:56Z)
• Ref-NeuS: Ambiguity-Reduced Neural Implicit Surface Learning for Multi-View Reconstruction with Reflection [24.23826907954389]
  Ref-NeuSは反射面の効果を減衰させることで曖昧さを減らすことを目的としている。 本研究では,反射面上での高品質な表面再構成を実現し,その精度を高いマージンで向上することを示す。
  論文  参考訳（メタデータ） (2023-03-20T03:08:22Z)
• Towards High Fidelity Monocular Face Reconstruction with Rich Reflectance using Self-supervised Learning and Ray Tracing [49.759478460828504]
  ディープニューラルネットワークエンコーダと異なるレンダリングを組み合わせた手法が、幾何学、照明、反射の非常に高速な単分子再構成の道を開いた。 古典的な最適化ベースのフレームワーク内での単眼顔再構築のためにレイトレースが導入されました。 一般シーンにおける復元品質と堅牢性を大幅に向上させる新しい手法を提案します。
  論文  参考訳（メタデータ） (2021-03-29T08:58:10Z)

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。