論文の概要: I2-NeRF: Learning Neural Radiance Fields Under Physically-Grounded Media Interactions

• arxiv url: http://arxiv.org/abs/2510.22161v1
• Date: Sat, 25 Oct 2025 05:13:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 15:28:14.89357
• Title: I2-NeRF: Learning Neural Radiance Fields Under Physically-Grounded Media Interactions
• Title（参考訳）: I2-NeRF:物理領域の媒体相互作用によるニューラルラジアンス場学習
• Authors: Shuhong Liu, Lin Gu, Ziteng Cui, Xuangeng Chu, Tatsuya Harada,
• Abstract要約: I2-NeRFは、メディア劣化下での等方性メートル法知覚を高める新しい神経放射場フレームワークである。 本稿では, ベル・ランベルト減衰法により制御された粒子モデルに放射, 吸収, 散乱を統一する, メディア劣化のための一般的な放射型定式化について述べる。 光伝搬を垂直方向と水平方向の両方で均一に処理することにより、I2-NeRFは等方的距離知覚を可能にし、水深などの媒体特性を推定できる。
• 参考スコア（独自算出の注目度）: 48.696181442718206
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Participating in efforts to endow generative AI with the 3D physical world perception, we propose I2-NeRF, a novel neural radiance field framework that enhances isometric and isotropic metric perception under media degradation. While existing NeRF models predominantly rely on object-centric sampling, I2-NeRF introduces a reverse-stratified upsampling strategy to achieve near-uniform sampling across 3D space, thereby preserving isometry. We further present a general radiative formulation for media degradation that unifies emission, absorption, and scattering into a particle model governed by the Beer-Lambert attenuation law. By composing the direct and media-induced in-scatter radiance, this formulation extends naturally to complex media environments such as underwater, haze, and even low-light scenes. By treating light propagation uniformly in both vertical and horizontal directions, I2-NeRF enables isotropic metric perception and can even estimate medium properties such as water depth. Experiments on real-world datasets demonstrate that our method significantly improves both reconstruction fidelity and physical plausibility compared to existing approaches.
• Abstract（参考訳）: I2-NeRFは,メディア劣化下での等尺的および等方的距離知覚を高める新しい神経放射場フレームワークである。 既存のNeRFモデルは、主にオブジェクト中心サンプリングに依存しているが、I2-NeRFは3次元空間のほぼ一様サンプリングを実現するために逆成層アップサンプリング戦略を導入し、アイソメトリーを保存する。 さらに, ベル・ランベルト減衰法により支配される粒子モデルへの放射, 吸収, 散乱を統一する, メディア劣化のための一般的な放射型定式化について述べる。 この定式化は、直接およびメディア誘起の散乱放射を合成することにより、水中、ヘイズ、さらには低照度シーンのような複雑なメディア環境に自然に拡張する。 光伝搬を垂直方向と水平方向の両方で均一に処理することにより、I2-NeRFは等方的距離知覚を可能にし、水深などの媒体特性を推定できる。 実世界のデータセットを用いた実験により,提案手法は既存手法と比較して再現精度と物理的妥当性の両方を著しく向上させることが示された。

関連論文リスト

• PHASE-Net: Physics-Grounded Harmonic Attention System for Efficient Remote Photoplethysmography Measurement [63.007237197267834]
  既存のディープラーニング手法は、主に生理学的モニタリングであり、理論的な堅牢性を欠いている。 本研究では,Navier-Stokes方程式のヘモダイナミックスから導かれる物理インフォームド r パラダイムを提案し,パルス信号が2次系に従うことを示す。 これは、時間的円錐ネットワーク(TCN)を使用する理論的正当性を提供する。 Phase-Netは高い効率で最先端のパフォーマンスを実現し、理論上は基礎的でデプロイ可能な r ソリューションを提供する。
  論文  参考訳（メタデータ） (2025-09-29T14:36:45Z)
• 3D-UIR: 3D Gaussian for Underwater 3D Scene Reconstruction via Physics Based Appearance-Medium Decoupling [30.985414238960466]
  3D Gaussian Splatting (3DGS)はリアルタイムレンダリング機能を提供するが、水中の不均一な環境に苦しむ。 水媒体効果から物体の外観を遠ざける物理ベースの枠組みを提案する。 提案手法は,高品質な新規ビュー合成と物理的に正確なシーン復元を実現する。
  論文  参考訳（メタデータ） (2025-05-27T14:19:30Z)
• Stochastic Reconstruction of Gappy Lagrangian Turbulent Signals by Conditional Diffusion Models [1.7810134788247751]
  本研究では, 乱流によって受動的に対流する小物体の軌道に沿って, 空間・速度の欠落を再現する手法を提案する。 近年提案されているデータ駆動機械学習技術である条件付き生成拡散モデルを利用する。
  論文  参考訳（メタデータ） (2024-10-31T14:26:10Z)
• Mesh2NeRF: Direct Mesh Supervision for Neural Radiance Field Representation and Generation [51.346733271166926]
  Mesh2NeRFは、3次元生成タスクのためのテクスチャメッシュから地上構造放射場を導出するアプローチである。 各種タスクにおけるMesh2NeRFの有効性を検証する。
  論文  参考訳（メタデータ） (2024-03-28T11:22:53Z)
• Towards Detailed Text-to-Motion Synthesis via Basic-to-Advanced Hierarchical Diffusion Model [60.27825196999742]
  本稿では,B2A-HDMと呼ばれる新しい階層型拡散モデルを提案する。 特に、低次元ラテント空間における基本拡散モデルは、テキスト記述と整合した中間偏微分結果を与える。 高次元ラテント空間における高度な拡散モデルは、以下の詳細エンハンス・デノナイジング過程に焦点をあてる。
  論文  参考訳（メタデータ） (2023-12-18T06:30:39Z)
• StableDreamer: Taming Noisy Score Distillation Sampling for Text-to-3D [88.66678730537777]
  本稿では3つの進歩を取り入れた方法論であるStableDreamerを紹介する。 まず、SDS生成前の等価性と、簡単な教師付きL2再構成損失を定式化する。 第2に,画像空間拡散は幾何学的精度に寄与するが,色調の鮮明化には潜時空間拡散が不可欠であることを示す。
  論文  参考訳（メタデータ） (2023-12-02T02:27:58Z)
• Reference-Free Isotropic 3D EM Reconstruction using Diffusion Models [8.590026259176806]
  本稿では、参照データや劣化過程に関する事前知識の制限を克服する拡散モデルに基づくフレームワークを提案する。 提案手法では, 2次元拡散モデルを用いて連続的に3次元ボリュームを再構成し, 高精度なサンプルデータに適している。
  論文  参考訳（メタデータ） (2023-08-03T07:57:02Z)
• High-resolution tomographic reconstruction of optical absorbance through scattering media using neural fields [25.647287240640356]
  ニューラルネットワーク(NF)に基づく新しいDOT方式であるNeuDOTを提案する。 NeuDOTは、サブミリメートルの側方分解能を達成し、14mmの深さで複雑な3Dオブジェクトを分解し、最先端の手法より優れている。
  論文  参考訳（メタデータ） (2023-04-04T10:13:13Z)
• 3D wind field profiles from hyperspectral sounders: revisiting optic-flow from a meteorological perspective [0.0]
  本稿では, 垂直分解型3次元大気運動ベクトル(AMV)データをフォアキャスト方式で抽出するための効率的な光フローアルゴリズムを提案する。 この再帰法は, 実大気観測における現状の光学的流れアルゴリズムよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-03-09T10:14:25Z)

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。