論文の概要: Neural BRDF Importance Sampling by Reparameterization
- arxiv url: http://arxiv.org/abs/2505.08998v1
- Date: Tue, 13 May 2025 22:23:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-15 21:44:09.311074
- Title: Neural BRDF Importance Sampling by Reparameterization
- Title（参考訳）: 再パラメータ化によるニューラルBRDF重要度サンプリング
- Authors: Liwen Wu, Sai Bi, Zexiang Xu, Hao Tan, Kai Zhang, Fujun Luan, Haolin Lu, Ravi Ramamoorthi,
- Abstract要約: 本稿では、リパラメータ化に基づくニューラルBRDF重要サンプリングの定式化を提案する。
BRDFサンプルを正確に生成した標準的なレンダリングパイプラインにシームレスに統合する。
提案手法は,高い推論速度を維持しながら,ニューラルBRDFレンダリングの最良の分散化を実現する。
- 参考スコア（独自算出の注目度）: 43.47134538369479
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Neural bidirectional reflectance distribution functions (BRDFs) have emerged as popular material representations for enhancing realism in physically-based rendering. Yet their importance sampling remains a significant challenge. In this paper, we introduce a reparameterization-based formulation of neural BRDF importance sampling that seamlessly integrates into the standard rendering pipeline with precise generation of BRDF samples. The reparameterization-based formulation transfers the distribution learning task to a problem of identifying BRDF integral substitutions. In contrast to previous methods that rely on invertible networks and multi-step inference to reconstruct BRDF distributions, our model removes these constraints, which offers greater flexibility and efficiency. Our variance and performance analysis demonstrates that our reparameterization method achieves the best variance reduction in neural BRDF renderings while maintaining high inference speeds compared to existing baselines.
- Abstract（参考訳）: 双方向反射率分布関数(BRDF)は、物理的レンダリングにおける現実性を高めるために一般的な材料表現として登場した。
しかし、その重要性は依然として大きな課題である。
本稿では,標準的なレンダリングパイプラインにシームレスに統合し,BRDFサンプルを正確に生成するニューラルBRDF重要サンプリングのパラメータ化に基づく定式化を提案する。
再パラメータ化に基づく定式化は、分布学習タスクをBRDF積分置換を識別する問題に転送する。
BRDF分布の再構成には, 従来の可逆的ネットワークとマルチステップ推論を頼りにしていた手法とは対照的に, 本モデルではこれらの制約を除去し, 柔軟性と効率性を向上する。
我々の分散解析と性能解析は,既存のベースラインと比較して高い推論速度を維持しつつ,ニューラルBRDFレンダリングの最良の分散化を実現することを示す。
関連論文リスト
- Reconciling Stochastic and Deterministic Strategies for Zero-shot Image Restoration using Diffusion Model in Dual [47.141811103506036]
我々はDualにおけるReconciling Model(RDMD)と呼ばれる新しいゼロショット画像復元手法を提案する。
RDMDはbftextsingle事前学習拡散モデルのみを使用してテキスト2正規化器を構成する。
提案手法は,FFHQ と ImageNet の両方のデータセットに対する既存手法と比較して,優れた結果が得られる。
論文 参考訳（メタデータ） (2025-03-03T08:25:22Z) - Spatial Annealing for Efficient Few-shot Neural Rendering [73.49548565633123]
我々はtextbfSpatial textbf Annealing regularized textbfNeRF (textbfSANeRF) という,正確で効率的な数発のニューラルレンダリング手法を導入する。
単に1行のコードを追加することで、SANeRFは、現在の数ショットのニューラルレンダリング方法と比較して、より優れたレンダリング品質とはるかに高速な再構築速度を提供する。
論文 参考訳（メタデータ） (2024-06-12T02:48:52Z) - Deblurring via Stochastic Refinement [85.42730934561101]
条件付き拡散モデルに基づくブラインドデブロアリングのための代替フレームワークを提案する。
提案手法は,PSNRなどの歪み指標の点で競合する。
論文 参考訳（メタデータ） (2021-12-05T04:36:09Z) - Disentangling Generative Factors of Physical Fields Using Variational
Autoencoders [0.0]
本研究は,非線形次元低減のための変分オートエンコーダ (VAE) の利用について検討する。
不整合分解は解釈可能であり、生成的モデリングを含む様々なタスクに転送することができる。
論文 参考訳（メタデータ） (2021-09-15T16:02:43Z) - Sampling-free Variational Inference for Neural Networks with
Multiplicative Activation Noise [51.080620762639434]
サンプリングフリー変動推論のための後方近似のより効率的なパラメータ化を提案する。
提案手法は,標準回帰問題に対する競合的な結果をもたらし,大規模画像分類タスクに適している。
論文 参考訳（メタデータ） (2021-03-15T16:16:18Z) - Neural BRDF Representation and Importance Sampling [79.84316447473873]
本稿では,リフレクタンスBRDFデータのコンパクトニューラルネットワークに基づく表現について述べる。
BRDFを軽量ネットワークとしてエンコードし、適応角サンプリングによるトレーニングスキームを提案する。
複数の実世界のデータセットから等方性および異方性BRDFの符号化結果を評価する。
論文 参考訳（メタデータ） (2021-02-11T12:00:24Z) - Invertible Neural BRDF for Object Inverse Rendering [27.86441556552318]
本稿では,新しいニューラルネットワークに基づくBRDFモデルと,オブジェクト逆レンダリングのためのベイズフレームワークを提案する。
多数の測定データに基づいて, 可逆性ニューラルBRDFモデルの精度を実験的に検証した。
結果は、ディープニューラルネットワークが逆問題に挑戦するのに役立つ新しい方法を示している。
論文 参考訳（メタデータ） (2020-08-10T11:27:01Z)
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。