論文の概要: Locally Orderless Images for Optimization in Differentiable Rendering
- arxiv url: http://arxiv.org/abs/2503.21931v1
- Date: Thu, 27 Mar 2025 19:17:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-31 15:31:29.226253
- Title: Locally Orderless Images for Optimization in Differentiable Rendering
- Title（参考訳）: 微分レンダリングにおける局所順序なし画像の最適化
- Authors: Ishit Mehta, Manmohan Chandraker, Ravi Ramamoorthi,
- Abstract要約: そこで我々は,各画素が局所的な変化を保った強度のヒストグラムにマッピングする,局所的な秩序のない画像を利用する手法を提案する。
合成データと実データの両方を用いて,様々な逆問題に対する本手法の有効性を検証した。
- 参考スコア（独自算出の注目度）: 80.09571356394574
- License:
- Abstract: Problems in differentiable rendering often involve optimizing scene parameters that cause motion in image space. The gradients for such parameters tend to be sparse, leading to poor convergence. While existing methods address this sparsity through proxy gradients such as topological derivatives or lagrangian derivatives, they make simplifying assumptions about rendering. Multi-resolution image pyramids offer an alternative approach but prove unreliable in practice. We introduce a method that uses locally orderless images, where each pixel maps to a histogram of intensities that preserves local variations in appearance. Using an inverse rendering objective that minimizes histogram distance, our method extends support for sparsely defined image gradients and recovers optimal parameters. We validate our method on various inverse problems using both synthetic and real data.
- Abstract（参考訳）: 微分可能レンダリングの問題は、しばしば画像空間における動きを引き起こすシーンパラメータを最適化することを伴う。
このようなパラメータの勾配はスパースである傾向があり、収束度の低下につながる。
既存の手法では、トポロジカル微分やラグランジアン微分のようなプロキシ勾配によってこの空間性に対処するが、レンダリングに関する仮定を単純化する。
多解像度画像ピラミッドは別のアプローチを提供するが、実際は信頼できない。
そこで我々は,各画素が局所的な変化を保った強度のヒストグラムにマッピングする,局所的な秩序のない画像を利用する手法を提案する。
ヒストグラム距離を最小化する逆レンダリングの手法を用いて、疎定義画像勾配のサポートを拡張し、最適なパラメータを復元する。
合成データと実データの両方を用いて,様々な逆問題に対する本手法の有効性を検証した。
関連論文リスト
- Rasterized Edge Gradients: Handling Discontinuities Differentiably [25.85191317712521]
近似を描画する不連続点の勾配を計算するための新しい手法を提案する。
本手法は, 慎重に設計した近似戦略により, 従来の複雑な問題をエレガントに単純化する。
我々は,人間の頭部のシーン再構成において,カメラ画像とセグメンテーションマスクのハンドリングを実演する。
論文 参考訳（メタデータ） (2024-05-03T22:42:00Z) - Multiscale Representation for Real-Time Anti-Aliasing Neural Rendering [84.37776381343662]
Mip-NeRFは、スケール情報をエンコードする円錐フラストラムとしてマルチスケール表現を提案する。
我々は,リアルタイムなアンチエイリアスレンダリングのためのマルチスケールな明示的表現であるmip voxel grids (Mip-VoG)を提案する。
私たちのアプローチは、マルチスケールのトレーニングとリアルタイムのアンチエイリアスレンダリングを同時に提供する最初の方法です。
論文 参考訳（メタデータ） (2023-04-20T04:05:22Z) - Plateau-reduced Differentiable Path Tracing [18.174063717952187]
対象関数において、逆レンダリングは、固有な高原、すなわちゼロ勾配の領域によって収束しないことが示される。
パラメータ空間を曖昧にする余分なカーネルを持つ画像にパラメータをマッピングする高次元レンダリング関数を展開させることにより、この問題を軽減することを提案する。
論文 参考訳（メタデータ） (2022-11-30T18:58:53Z) - RISP: Rendering-Invariant State Predictor with Differentiable Simulation
and Rendering for Cross-Domain Parameter Estimation [110.4255414234771]
既存のソリューションでは、大量のトレーニングデータが必要か、未知のレンダリング設定への一般化性が欠如している。
本稿では、ドメインのランダム化と微分可能なレンダリング勾配を併用してこの問題に対処する手法を提案する。
提案手法は, 再構成誤差を大幅に低減し, 未知のレンダリング構成間の一般化性が向上する。
論文 参考訳（メタデータ） (2022-05-11T17:59:51Z) - Differentiable Rendering with Perturbed Optimizers [85.66675707599782]
2Dイメージプロジェクションから3Dシーンを推論することは、コンピュータビジョンにおける中核的な問題の一つだ。
我々の研究は、よく知られた微分可能な定式化とランダムなスムーズなレンダリングの関連性を強調している。
提案手法を3次元シーン再構成に適用し,その利点を6次元ポーズ推定と3次元メッシュ再構成の課題に適用した。
論文 参考訳（メタデータ） (2021-10-18T08:56:23Z) - Multi-scale Image Decomposition using a Local Statistical Edge Model [0.0]
サブウィンドウ分散フィルタという新しい非線形フィルタを用いたプログレッシブ画像分解手法を提案する。
本手法は,画像のディテール向上のために特別に設計されている。
論文 参考訳（メタデータ） (2021-05-05T09:38:07Z) - Efficient and Differentiable Shadow Computation for Inverse Problems [64.70468076488419]
微分可能幾何計算は画像に基づく逆問題に対する関心が高まっている。
微分可能な可視性とソフトシャドウ計算のための効率的かつ効率的なアプローチを提案する。
定式化は微分可能であるため, テクスチャ, 照明, 剛体ポーズ, 画像からの変形回復などの逆問題を解くために使用できる。
論文 参考訳（メタデータ） (2021-04-01T09:29:05Z) - FDA: Fourier Domain Adaptation for Semantic Segmentation [82.4963423086097]
本稿では,教師なし領域適応の簡易な手法について述べる。一方の低周波スペクトルを他方と交換することにより,音源と対象分布の相違を低減できる。
本手法を意味的セグメンテーション(semantic segmentation, 意味的セグメンテーション, 意味的セグメンテーション)で説明する。
以上の結果から,より高度な手法が学習に苦しむデータにおいて,単純な手順であってもニュアンス変動を低減できる可能性が示唆された。
論文 参考訳（メタデータ） (2020-04-11T22:20:48Z)
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。