論文の概要: GratNet: A Photorealistic Neural Shader for Diffractive Surfaces

• arxiv url: http://arxiv.org/abs/2506.15815v1
• Date: Wed, 18 Jun 2025 18:58:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-23 19:00:04.806056
• Title: GratNet: A Photorealistic Neural Shader for Diffractive Surfaces
• Title（参考訳）: GratNet: 回折表面のためのフォトリアリスティックニューラルネットワーク
• Authors: Narayan Kandel, Daljit Singh J. S. Dhillon,
• Abstract要約: 回折面のデータ駆動レンダリングのための多層パーセプトロン (MLP) を用いた手法を提案する。 我々は,Pak-Signal-to-Noise (PSNR), Structure similarity Index Measure (SSIM) と flipping difference Evaluator (FLIP) を評価指標として,地上構造の高品質な再構築を実証した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Structural coloration is commonly modeled using wave optics for reliable and photorealistic rendering of natural, quasi-periodic and complex nanostructures. Such models often rely on dense, preliminary or preprocessed data to accurately capture the nuanced variations in diffractive surface reflectances. This heavy data dependency warrants implicit neural representation which has not been addressed comprehensively in the current literature. In this paper, we present a multi-layer perceptron (MLP) based method for data-driven rendering of diffractive surfaces with high accuracy and efficiency. We primarily approach this problem from a data compression perspective to devise a nuanced training and modeling method which is attuned to the domain and range characteristics of diffractive reflectance datasets. Importantly, our approach avoids over-fitting and has robust resampling behavior. Using Peak-Signal-to-Noise (PSNR), Structural Similarity Index Measure (SSIM) and a flipping difference evaluator (FLIP) as evaluation metrics, we demonstrate the high-quality reconstruction of the ground-truth. In comparison to a recent state-of-the-art offline, wave-optical, forward modeling approach, our method reproduces subjectively similar results with significant performance gains. We reduce the memory footprint of the raw datasets by two orders of magnitude in general. Lastly, we depict the working of our method with actual surface renderings.
• Abstract（参考訳）: 構造的着色は、自然、準周期的、複雑なナノ構造の信頼性と光リアルなレンダリングのために波動光学を用いてモデル化される。 このようなモデルは、しばしば、回折面反射率のニュアンス変化を正確に捉えるために、高密度、予備的、または前処理されたデータに依存する。 この重いデータ依存は、現在の文献では包括的に対処されていない暗黙の神経表現を保証します。 本稿では,多層パーセプトロン(MLP)を用いた回折曲面のデータ駆動レンダリング法を提案する。 主にデータ圧縮の観点からこの問題にアプローチし、拡散反射率データセットの領域と範囲特性に順応したニュアンストレーニングとモデリング手法を考案する。 重要なことは、このアプローチは過度な適合を回避し、堅牢な再サンプリング動作を持つことです。 PNR(Peak-Signal-to-Noise)とSSIM(Structure similarity Index Measure)とFLIP(Flipping difference Evaluator)を評価指標として,地上構造の高品質な再構築を実証した。 近年の最先端のオフライン・波動光学・フォワードモデリング手法と比較して,本手法は主観的に類似した結果を再現し,性能が著しく向上した。 生データセットのメモリフットプリントを、一般に2桁の規模で削減する。 最後に,実際の表面レンダリングによる手法の動作について述べる。

関連論文リスト

• RISE-SDF: a Relightable Information-Shared Signed Distance Field for Glossy Object Inverse Rendering [26.988572852463815]
  本稿では,新しいエンド・ツー・エンド・エンド・リライトブル・ニューラル・リバース・レンダリングシステムを提案する。 本アルゴリズムは,逆レンダリングとリライトにおける最先端性能を実現する。 実験により, 逆レンダリングおよびリライティングにおける最先端性能が得られた。
  論文  参考訳（メタデータ） (2024-09-30T09:42:10Z)
• DNS SLAM: Dense Neural Semantic-Informed SLAM [92.39687553022605]
  DNS SLAMは、ハイブリッド表現を備えた新しいRGB-DセマンティックSLAMアプローチである。 本手法は画像に基づく特徴抽出と多視点幾何制約を統合し,外観の細部を改良する。 実験により, 合成データと実世界のデータ追跡の両面において, 最先端の性能が得られた。
  論文  参考訳（メタデータ） (2023-11-30T21:34:44Z)
• NePF: Neural Photon Field for Single-Stage Inverse Rendering [6.977356702921476]
  多視点画像の逆レンダリングに対処するために,新しい単一ステージフレームワークNePF(Neural Photon Field)を提案する。 NePFは、神経暗黙表面の重み関数の背後にある物理的意味を完全に活用することで、この統一を実現する。 我々は本手法を実データと合成データの両方で評価する。
  論文  参考訳（メタデータ） (2023-11-20T06:15:46Z)
• ExposureDiffusion: Learning to Expose for Low-light Image Enhancement [87.08496758469835]
  この研究は、拡散モデルと物理ベースの露光モデルとをシームレスに統合することで、この問題に対処する。 提案手法は,バニラ拡散モデルと比較して性能が大幅に向上し,推論時間を短縮する。 提案するフレームワークは、実際のペア付きデータセット、SOTAノイズモデル、および異なるバックボーンネットワークの両方で動作する。
  論文  参考訳（メタデータ） (2023-07-15T04:48:35Z)
• TensoIR: Tensorial Inverse Rendering [51.57268311847087]
  テンソルIRはテンソル分解とニューラルフィールドに基づく新しい逆レンダリング手法である。 TensoRFは、放射場モデリングのための最先端のアプローチである。
  論文  参考訳（メタデータ） (2023-04-24T21:39:13Z)
• NeFII: Inverse Rendering for Reflectance Decomposition with Near-Field Indirect Illumination [48.42173911185454]
  逆レンダリング手法は、多視点RGB画像から幾何学、材料、照明を推定することを目的としている。 本稿では,多視点画像から材料と照明を分解するエンドツーエンドの逆レンダリングパイプラインを提案する。
  論文  参考訳（メタデータ） (2023-03-29T12:05:19Z)
• Minimizing the Accumulated Trajectory Error to Improve Dataset Distillation [151.70234052015948]
  本稿では,フラットな軌道を求める最適化アルゴリズムを提案する。 合成データに基づいてトレーニングされた重みは、平坦な軌道への正規化を伴う累積誤差摂動に対して頑健であることを示す。 本手法はFTD (Flat Trajectory Distillation) と呼ばれ, 勾配整合法の性能を最大4.7%向上させる。
  論文  参考訳（メタデータ） (2022-11-20T15:49:11Z)

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。