論文の概要: Beyond Reconstruction: A Physics Based Neural Deferred Shader for Photo-realistic Rendering
- arxiv url: http://arxiv.org/abs/2504.12273v1
- Date: Wed, 16 Apr 2025 17:32:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-17 14:39:17.214489
- Title: Beyond Reconstruction: A Physics Based Neural Deferred Shader for Photo-realistic Rendering
- Title（参考訳）: 物理をベースとしたリアルなレンダリングのためのニューラルデフレッドシェーダー
- Authors: Zhuo He, Paul Henderson, Nicolas Pugeault,
- Abstract要約: 本稿では,データ駆動型レンダリングプロセスの分解を目的とした,物理に基づくニューラル遅延シェーディングパイプラインを提案する。
我々は、シェーディングおよびリライティングタスクのためのフォトリアリスティックな結果を生成するために、一般化可能なシェーディング関数を学習する。
本モデルでは,従来のモデルと最先端のニューラルシェーディングモデルと比較して性能が向上する。
- 参考スコア（独自算出の注目度）: 5.653106385738823
- License:
- Abstract: Deep learning based rendering has demonstrated major improvements for photo-realistic image synthesis, applicable to various applications including visual effects in movies and photo-realistic scene building in video games. However, a significant limitation is the difficulty of decomposing the illumination and material parameters, which limits such methods to reconstruct an input scene, without any possibility to control these parameters. This paper introduces a novel physics based neural deferred shading pipeline to decompose the data-driven rendering process, learn a generalizable shading function to produce photo-realistic results for shading and relighting tasks, we also provide a shadow estimator to efficiently mimic shadowing effect. Our model achieves improved performance compared to classical models and a state-of-art neural shading model, and enables generalizable photo-realistic shading from arbitrary illumination input.
- Abstract（参考訳）: 深層学習に基づくレンダリングは、映画における視覚効果やビデオゲームにおける写実的シーン構築など、様々な応用に適用可能な、フォトリアリスティックな画像合成の大きな改善を示している。
しかし、重要な制限は照明パラメータと材料パラメータを分解することの難しさである。
本稿では,データ駆動型レンダリング処理を分解し,一般化可能なシェーディング関数を学習し,シェーディングとリライトタスクのフォトリアリスティックな結果を生成するための,新しい物理ベースのニューラル遅延シェーディングパイプラインを提案する。
提案モデルは,古典モデルや最先端のニューラルシェーディングモデルと比較して性能が向上し,任意の照明入力から一般化可能なフォトリアリスティックシェーディングを実現する。
関連論文リスト
- DeferredGS: Decoupled and Editable Gaussian Splatting with Deferred Shading [50.331929164207324]
我々は,遅延シェーディングを用いたガウススプレイティング表現のデカップリングと編集を行うDedeerredGSを紹介する。
定性的かつ定量的な実験は、新しいビューおよび編集タスクにおけるDederredGSの優れた性能を示す。
論文 参考訳（メタデータ） (2024-04-15T01:58:54Z) - Neural Fields meet Explicit Geometric Representation for Inverse
Rendering of Urban Scenes [62.769186261245416]
本稿では,大都市におけるシーン形状,空間変化材料,HDR照明を,任意の深さで描画したRGB画像の集合から共同で再構成できる新しい逆レンダリングフレームワークを提案する。
具体的には、第1の光線を考慮に入れ、第2の光線をモデリングするために、明示的なメッシュ(基礎となるニューラルネットワークから再構成)を用いて、キャストシャドウのような高次照明効果を発生させる。
論文 参考訳（メタデータ） (2023-04-06T17:51:54Z) - Neural Radiance Transfer Fields for Relightable Novel-view Synthesis
with Global Illumination [63.992213016011235]
本稿では,ニューラル計算された放射光伝達関数を学習し,新しい視点下でのシーンリライティング手法を提案する。
本手法は,1つの未知の照明条件下で,シーンの実際の画像に対してのみ監視することができる。
その結果, シーンパラメータのアンタングルの復元は, 現状よりも有意に向上していることがわかった。
論文 参考訳（メタデータ） (2022-07-27T16:07:48Z) - DIB-R++: Learning to Predict Lighting and Material with a Hybrid
Differentiable Renderer [78.91753256634453]
そこで本研究では,単体画像から固有物体特性を推定する難題について,微分可能量を用いて検討する。
そこで本研究では、スペクトル化とレイトレーシングを組み合わせることで、これらの効果をサポートするハイブリッド微分可能なDIBR++を提案する。
より高度な物理ベースの微分可能値と比較すると、DIBR++はコンパクトで表現力のあるモデルであるため、高い性能を持つ。
論文 参考訳（メタデータ） (2021-10-30T01:59:39Z) - Intrinsic Autoencoders for Joint Neural Rendering and Intrinsic Image
Decomposition [67.9464567157846]
合成3Dモデルからリアルな画像を生成するためのオートエンコーダを提案し,同時に実像を本質的な形状と外観特性に分解する。
実験により, レンダリングと分解の併用処理が有益であることが確認され, 画像から画像への翻訳の質的, 定量的なベースラインよりも優れた結果が得られた。
論文 参考訳（メタデータ） (2020-06-29T12:53:58Z) - Deep CG2Real: Synthetic-to-Real Translation via Image Disentanglement [78.58603635621591]
画像空間における未ペアの合成-現実翻訳ネットワークの訓練は、厳しい制約下にある。
画像の非交叉シェーディング層とアルベド層に作用する半教師付きアプローチを提案する。
私たちの2段階のパイプラインはまず、物理ベースのレンダリングをターゲットとして、教師付き方法で正確なシェーディングを予測することを学習します。
論文 参考訳（メタデータ） (2020-03-27T21:45:41Z)
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。