Fugu-MT 論文翻訳(概要): NeRFCom: Feature Transform Coding Meets Neural Radiance Field for Free-View 3D Scene Semantic Transmission

論文の概要: NeRFCom: Feature Transform Coding Meets Neural Radiance Field for Free-View 3D Scene Semantic Transmission

arxiv url: http://arxiv.org/abs/2502.19873v1
Date: Thu, 27 Feb 2025 08:26:16 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-28 14:55:56.511126
Title: NeRFCom: Feature Transform Coding Meets Neural Radiance Field for Free-View 3D Scene Semantic Transmission
Title（参考訳）: NeRFCom: フリービュー3次元シーンセマンティックトランスミッションのためのニューラルラジアンスフィールドと特徴変換符号化
Authors: Weijie Yue, Zhongwei Si, Bolin Wu, Sixian Wang, Xiaoqi Qin, Kai Niu, Jincheng Dai, Ping Zhang,
Abstract要約: NeRFComは、エンドツーエンドの3Dシーン伝送用に設計された通信システムである。負のチャネル条件下では、ロバスト性を維持しつつ、自由視点3次元シーン効率の伝送を実現する。
参考スコア（独自算出の注目度）: 10.732281999350004
License:
Abstract: We introduce NeRFCom, a novel communication system designed for end-to-end 3D scene transmission. Compared to traditional systems relying on handcrafted NeRF semantic feature decomposition for compression and well-adaptive channel coding for transmission error correction, our NeRFCom employs a nonlinear transform and learned probabilistic models, enabling flexible variable-rate joint source-channel coding and efficient bandwidth allocation aligned with the NeRF semantic feature's different contribution to the 3D scene synthesis fidelity. Experimental results demonstrate that NeRFCom achieves free-view 3D scene efficient transmission while maintaining robustness under adverse channel conditions.
Abstract（参考訳）: エンド・ツー・エンドの3Dシーン伝送用に設計された新しい通信システムであるNeRFComを紹介する。圧縮のための手作りのNeRFセマンティック特徴分解と伝送誤差補正のための順応性のあるチャネル符号化を利用する従来のシステムと比較して、NeRFComは非線形変換と学習確率モデルを採用し、柔軟な可変レートジョイント・ソースチャネル符号化と、NeRFセマンティック特徴の3次元シーン合成忠実度に対する異なる寄与と整合した効率的な帯域割り当てを実現している。実験結果から,NeRFComは,逆チャネル条件下でのロバスト性を維持しつつ,自由視点3次元シーンの効率的な伝送を実現することが示された。

関連論文リスト

WRF-GS: Wireless Radiation Field Reconstruction with 3D Gaussian Splatting [8.644949917126755]
WRF-GSは3次元ガウススプラッティングを用いた無線放射場(WRF)再構成に基づくチャネルモデリングのための新しいフレームワークである。少数の測定で、WRF-GSは与えられたシーンに対してミリ秒以内に新しい空間スペクトルを合成できる。 WRF-GSは、チャネル状態情報予測タスクにおいて、既存の手法を2.43dB以上のマージンで上回り、優れた性能を達成する。
論文参考訳（メタデータ） (2024-12-06T07:56:14Z)
Evaluation of strategies for efficient rate-distortion NeRF streaming [4.117347527143616]
ニューラル・ラジアンス・フィールド(NeRF)は、スパース画像から高度に現実的で詳細なシーン再構成を可能にすることで、3次元視覚表現の分野に革命をもたらした。その進歩にもかかわらず、大量のデータを含むため、NeRFコンテンツの効率的なストリーミングは依然として大きな課題である。本稿では,2つのNeRFストリーミング戦略である画素ベースとニューラルネットワーク(NN)パラメータベースのストリーミングの速度歪み特性について検討する。
論文参考訳（メタデータ） (2024-10-25T10:40:03Z)
Neural NeRF Compression [19.853882143024]
最近のNeRFは、レンダリング品質とスピードを改善するために機能グリッドを利用している。これらの表現は、大きなストレージオーバーヘッドをもたらす。本稿では,グリッドベースNeRFモデルを効率よく圧縮する新しい手法を提案する。
論文参考訳（メタデータ） (2024-06-13T09:12:26Z)
NeRFCodec: Neural Feature Compression Meets Neural Radiance Fields for Memory-Efficient Scene Representation [22.151167286623416]
メモリ効率のよいシーン表現のための非線形変換,量子化,エントロピー符号化を統合したエンドツーエンドのNeRF圧縮フレームワークを提案する。提案手法は既存のNeRF圧縮法より優れており、0.5MBのメモリ予算で高品質な新規ビュー合成を可能にする。
論文参考訳（メタデータ） (2024-04-02T15:49:00Z)
3D Visibility-aware Generalizable Neural Radiance Fields for Interacting Hands [51.305421495638434]
ニューラル放射場(NeRF)は、シーン、オブジェクト、人間の3D表現を約束する。本稿では,手動操作のための一般化可能な視認可能なNeRFフレームワークを提案する。 Interhand2.6Mデータセットの実験により、提案したVA-NeRFは従来のNeRFよりも著しく優れていることが示された。
論文参考訳（メタデータ） (2024-01-02T00:42:06Z)
Prompt2NeRF-PIL: Fast NeRF Generation via Pretrained Implicit Latent [61.56387277538849]
本稿では,3次元シーンの直接条件付けと高速なNeRFパラメータ生成のための高速なNeRF生成について検討する。 Prompt2NeRF-PILは、単一の前方通過で様々な3Dオブジェクトを生成することができる。我々は,テキストからNeRFモデルDreamFusionと画像からNeRF手法Zero-1-to-3の3次元再構成速度を3倍から5倍に高速化することを示す。
論文参考訳（メタデータ） (2023-12-05T08:32:46Z)
Registering Neural Radiance Fields as 3D Density Images [55.64859832225061]
我々は,様々な場面でトレーニングやテストが可能な,普遍的な事前学習型ニューラルネットワークを提案する。我々は,グローバルアプローチとして,NeRFモデルを効果的に登録できることを実証した。
論文参考訳（メタデータ） (2023-05-22T09:08:46Z)
Neural Residual Radiance Fields for Streamably Free-Viewpoint Videos [69.22032459870242]
本稿では,Residual Radiance Field(ReRF)という新しい手法を提案する。このような戦略は品質を犠牲にすることなく大きな動きを扱えることを示す。 ReRFに基づいて,3桁の圧縮率を達成する特別なFVVを設計し,ダイナミックシーンの長期FVVのオンラインストリーミングをサポートするReRFプレーヤを提供する。
論文参考訳（メタデータ） (2023-04-10T08:36:00Z)
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)
Aug-NeRF: Training Stronger Neural Radiance Fields with Triple-Level Physically-Grounded Augmentations [111.08941206369508]
我々は,NeRFトレーニングの正規化にロバストなデータ拡張のパワーを初めてもたらすAugmented NeRF(Aug-NeRF)を提案する。提案手法では,最悪の場合の摂動を3段階のNeRFパイプラインにシームレスにブレンドする。 Aug-NeRFは、新しいビュー合成と基礎となる幾何再構成の両方において、NeRF性能を効果的に向上させる。
論文参考訳（メタデータ） (2022-07-04T02:27:07Z)
Wireless Deep Video Semantic Transmission [14.071114007641313]
本稿では,無線チャネル上でのエンドツーエンドビデオ伝送を実現するための,高効率なディープ・ジョイント・ソース・チャネル符号化手法を提案する。我々のフレームワークはディープビデオセマンティックトランスミッション (DVST) という名前で収集される。
論文参考訳（メタデータ） (2022-05-26T03:26:43Z)

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。