論文の概要: A Neural Quality Metric for BRDF Models

• arxiv url: http://arxiv.org/abs/2508.02131v1
• Date: Mon, 04 Aug 2025 07:24:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-05 18:25:22.223319
• Title: A Neural Quality Metric for BRDF Models
• Title（参考訳）: BRDFモデルのためのニューラルネットワーク品質基準
• Authors: Behnaz Kavoosighafi, Rafal K. Mantiuk, Saghi Hajisharif, Ehsan Miandji, Jonas Unger,
• Abstract要約: 本稿では,BRDF空間内で直接動作するBRDF評価のための最初の知覚情報に基づく神経質指標を提案する。 我々のネットワークは、参照のペア化されたサンプルとして、BRDFを近似し、Just-objectionable-Difference (JOD)スコアを用いて知覚品質を予測する。 BRDFフィッティングの損失関数としての性能は依然として制限されているが,提案手法はBRDFモデルを評価するための知覚的基礎的な代替手段を提供する。
• 参考スコア（独自算出の注目度）: 10.013077301017292
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurately evaluating the quality of bidirectional reflectance distribution function (BRDF) models is essential for photo-realistic rendering. Traditional BRDF-space metrics often employ numerical error measures that fail to capture perceptual differences evident in rendered images. In this paper, we introduce the first perceptually informed neural quality metric for BRDF evaluation that operates directly in BRDF space, eliminating the need for rendering during quality assessment. Our metric is implemented as a compact multi-layer perceptron (MLP), trained on a dataset of measured BRDFs supplemented with synthetically generated data and labelled using a perceptually validated image-space metric. The network takes as input paired samples of reference and approximated BRDFs and predicts their perceptual quality in terms of just-objectionable-difference (JOD) scores. We show that our neural metric achieves significantly higher correlation with human judgments than existing BRDF-space metrics. While its performance as a loss function for BRDF fitting remains limited, the proposed metric offers a perceptually grounded alternative for evaluating BRDF models.
• Abstract（参考訳）: 双方向反射率分布関数(BRDF)モデルの品質を正確に評価することは、フォトリアリスティックレンダリングに不可欠である。 従来のBRDF空間の測度は、しばしば数値的な誤差測度を用いており、描画画像で明らかな知覚的差を捉えない。 本稿では,BRDF空間内で直接動作するBRDF評価のための最初の知覚情報に基づくニューラルネットワーク品質指標について紹介し,品質評価におけるレンダリングの必要性を排除した。 本手法は,コンパクトな多層パーセプトロン (MLP) として実装され,合成データで補足されたBRDFのデータセットに基づいて学習し,知覚的に検証された画像空間距離を用いてラベル付けする。 このネットワークは、参照と近似されたBRDFの入力ペアサンプルとして、ジャストオブジェクタブル・ディファレンス(JOD)スコアを用いて知覚品質を予測する。 我々は,既存のBRDF空間の指標よりも,人間の判断との相関が有意に高いことを示す。 BRDFフィッティングの損失関数としての性能は依然として制限されているが,提案手法はBRDFモデルを評価するための知覚的基礎的な代替手段を提供する。

関連論文リスト

• Neural BRDF Importance Sampling by Reparameterization [43.47134538369479]
  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。
  論文  参考訳（メタデータ） (2025-05-13T22:23:55Z)
• Deep image-based Adaptive BRDF Measure [4.114230450673087]
  本稿では,高品質BRDF撮影に必要な試料数を最小化するための新しい手法を提案する。 軽量ニューラルネットワークはまず、解析的BRDFモデルのパラメータとサンプル位置の分布を推定する。 2番目のステップでは、画像ベースの損失を使用して、必要な精度を満たすために必要なサンプルの数を見つけます。
  論文  参考訳（メタデータ） (2024-10-03T19:08:48Z)
• You Only Train Once: A Unified Framework for Both Full-Reference and No-Reference Image Quality Assessment [45.62136459502005]
  本稿では,完全な参照 (FR) と非参照 (NR) IQA を行うネットワークを提案する。 まず、入力画像から多レベル特徴を抽出するためにエンコーダを用いる。 FRおよびNR入力のユニバーサルアダプタとして階層的注意(HA)モジュールを提案する。 エンコーダの浅い層と深い層との間の特徴相関を調べるために, セマンティック・ディストーション・アウェア (SDA) モジュールを提案する。
  論文  参考訳（メタデータ） (2023-10-14T11:03:04Z)
• Learning for Transductive Threshold Calibration in Open-World Recognition [83.35320675679122]
  グラフニューラルネットワークを用いた高剛性と適応性を有するトランスダクティブしきい値キャリブレーション法であるOpenGCNを導入する。 オープンワールドの視覚認識ベンチマークにおける実験は、オープンワールドのしきい値校正のための既存のポストホック校正方法よりもOpenGCNの方が優れていることを検証する。
  論文  参考訳（メタデータ） (2023-05-19T23:52:48Z)
• Energy-based Out-of-Distribution Detection for Graph Neural Networks [76.0242218180483]
  我々は,GNNSafeと呼ばれるグラフ上での学習のための,シンプルで強力で効率的なOOD検出モデルを提案する。 GNNSafeは、最先端技術に対するAUROCの改善を最大17.0%で達成しており、そのような未開発領域では単純だが強力なベースラインとして機能する可能性がある。
  論文  参考訳（メタデータ） (2023-02-06T16:38:43Z)
• Dehazed Image Quality Evaluation: From Partial Discrepancy to Blind Perception [35.257798506356814]
  画像のデハジングは、ぼんやりとした画像から空間的詳細を復元することを目的としている。 本稿では,部分的不一致に基づく画像品質評価手法を提案する。 Blind Perceptionを用いたNo-Reference品質評価尺度に拡張する。
  論文  参考訳（メタデータ） (2022-11-22T23:49:14Z)
• Exploring validation metrics for offline model-based optimisation with diffusion models [50.404829846182764]
  モデルベース最適化(MBO)では、マシンラーニングを使用して、(基底真理)オラクルと呼ばれるブラックボックス関数に対する報酬の尺度を最大化する候補を設計することに興味があります。 モデル検証中に基底オラクルに対する近似をトレーニングし、その代わりに使用することができるが、その評価は近似的であり、敵の例に対して脆弱である。 本手法は,外挿量を測定するために提案した評価フレームワークにカプセル化されている。
  論文  参考訳（メタデータ） (2022-11-19T16:57:37Z)
• Compound Frechet Inception Distance for Quality Assessment of GAN Created Images [7.628527132779575]
  GANの注目すべき応用の1つは、ディープフェイク(deep fakes)として知られる偽の人間の顔を開発することである。 生成された画像の品質を測定することは本質的に主観的だが、標準化されたメトリクスを使って品質を客観化しようとする試みがなされている。 我々は,より広い視覚的欠陥をカバーするために,低レベルの特徴を統合することにより,評価プロセスの堅牢性を向上させることを提案する。
  論文  参考訳（メタデータ） (2021-06-16T06:53:27Z)
• Cycle and Semantic Consistent Adversarial Domain Adaptation for Reducing Simulation-to-Real Domain Shift in LiDAR Bird's Eye View [110.83289076967895]
  ドメイン適応プロセス中に関心のある小さなオブジェクトの情報を保存するために,事前の意味分類を用いたサイクガンに基づくbevドメイン適応法を提案する。 生成したBEVの品質は,KITTI 3D Object Detection Benchmarkの最先端3Dオブジェクト検出フレームワークを用いて評価されている。
  論文  参考訳（メタデータ） (2021-04-22T12:47:37Z)
• Bridging the Gap Between Clean Data Training and Real-World Inference for Spoken Language Understanding [76.89426311082927]
  既存のモデルはクリーンデータに基づいてトレーニングされ、クリーンデータトレーニングと現実世界の推論の間にtextitgapが発生する。 本稿では,良質なサンプルと低品質のサンプルの両方が類似ベクトル空間に埋め込まれた領域適応法を提案する。 広く使用されているデータセット、スニップス、および大規模な社内データセット(1000万のトレーニング例)に関する実験では、この方法は実世界の(騒々しい)コーパスのベースラインモデルを上回るだけでなく、堅牢性、すなわち、騒々しい環境下で高品質の結果を生み出すことを実証しています。
  論文  参考訳（メタデータ） (2021-04-13T17:54:33Z)
• 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)

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。