論文の概要: Quantum Implicit Neural Representations for 3D Scene Reconstruction and Novel View Synthesis

• arxiv url: http://arxiv.org/abs/2512.12683v1
• Date: Sun, 14 Dec 2025 13:24:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-16 17:54:56.38035
• Title: Quantum Implicit Neural Representations for 3D Scene Reconstruction and Novel View Synthesis
• Title（参考訳）: 3次元シーン再構成のための量子暗黙的ニューラル表現と新しい視点合成
• Authors: Yeray Cordero, Paula García-Molina, Fernando Vilariño,
• Abstract要約: 入射神経表現(INR)は連続信号モデリングと3次元シーン再構成の強力なパラダイムとなっている。 ニューラルラディアンス場レンダリングのための最初のハイブリッド量子古典的フレームワークである量子ニューラルラディアンス場(Q-NeRF)を提案する。
• 参考スコア（独自算出の注目度）: 42.13843953705695
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Implicit neural representations (INRs) have become a powerful paradigm for continuous signal modeling and 3D scene reconstruction, yet classical networks suffer from a well-known spectral bias that limits their ability to capture high-frequency details. Quantum Implicit Representation Networks (QIREN) mitigate this limitation by employing parameterized quantum circuits with inherent Fourier structures, enabling compact and expressive frequency modeling beyond classical MLPs. In this paper, we present Quantum Neural Radiance Fields (Q-NeRF), the first hybrid quantum-classical framework for neural radiance field rendering. Q-NeRF integrates QIREN modules into the Nerfacto backbone, preserving its efficient sampling, pose refinement, and volumetric rendering strategies while replacing selected density and radiance prediction components with quantum-enhanced counterparts. We systematically evaluate three hybrid configurations on standard multi-view indoor datasets, comparing them to classical baselines using PSNR, SSIM, and LPIPS metrics. Results show that hybrid quantum-classical models achieve competitive reconstruction quality under limited computational resources, with quantum modules particularly effective in representing fine-scale, view-dependent appearance. Although current implementations rely on quantum circuit simulators constrained to few-qubit regimes, the results highlight the potential of quantum encodings to alleviate spectral bias in implicit representations. Q-NeRF provides a foundational step toward scalable quantum-enabled 3D scene reconstruction and a baseline for future quantum neural rendering research.
• Abstract（参考訳）: 入射神経表現(INR)は、連続信号モデリングと3次元シーン再構成の強力なパラダイムとなっているが、古典的ネットワークは、高周波の詳細を捉える能力を制限するよく知られたスペクトルバイアスに悩まされている。 QIREN(Quantum Implicit Representation Networks)はこの制限を、パラメータ化された量子回路と固有のフーリエ構造を用いて緩和し、古典的MLPを超えるコンパクトで表現力のある周波数モデリングを可能にする。 本稿では,Q-NeRF(Quantum Neural Radiance Fields)について述べる。 Q-NeRFはQIRENモジュールをNerfactoのバックボーンに統合し、その効率的なサンプリング、改善のポーズ、ボリュームレンダリング戦略を保ちながら、選択された密度と放射率予測コンポーネントを量子強化コンポーネントに置き換える。 標準マルチビュー屋内データセット上で,PSNR,SSIM,LPIPSの3つのハイブリッド構成を体系的に評価し,従来のベースラインと比較した。 以上の結果から,ハイブリッド量子古典モデルは限られた計算資源の下での競争力のある再現性を実現し,特に微視的・ビュー依存的な外観を表現するのに有効であることが示唆された。 現在の実装は、数量子ビットのレシエーションに制約された量子回路シミュレータに依存しているが、この結果は暗黙の表現におけるスペクトルバイアスを軽減する量子符号化の可能性を強調している。 Q-NeRFは、スケーラブルな量子可能な3Dシーン再構築に向けた基本的なステップと、将来の量子ニューラルネットワークレンダリング研究のベースラインを提供する。

関連論文リスト

• Quantum Visual Fields with Neural Amplitude Encoding [70.86293548779774]
  本稿では2次元画像と3次元幾何場学習のための新しいタイプの量子入射ニューラル表現(QINR)を提案する。 QVFは古典的なデータを学習可能エネルギー多様体に接地したニューラル振幅符号化を用いて量子状態ベクトルに符号化する。 我々のアンサッツは、学習可能なパラメトリド量子回路の完全に絡み合った設計に従い、実際のヒルベルト空間で量子(単位)演算を行う。
  論文  参考訳（メタデータ） (2025-08-14T17:59:52Z)
• Quantum-Enhanced Generative Adversarial Networks: Comparative Analysis of Classical and Hybrid Quantum-Classical Generative Adversarial Networks [0.0]
  高忠実度データサンプルを作成するための強力なパラダイムとして、GAN(Generative Adversarial Network)が登場した。 本研究では、パラメータ化量子回路を用いて実装された量子発生器が古典的判別器の潜在ベクトルを生成するハイブリッド量子古典型GAN(HQCGAN)について検討する。 我々は,Qiskit の AerSimulator を用いて,3,5,7量子ビットのHQCGAN 変種とともに古典的 GAN を評価する。
  論文  参考訳（メタデータ） (2025-08-10T18:34:53Z)
• A purely Quantum Generative Modeling through Unitary Scrambling and Collapse [6.647966634235082]
  量子スクランブルと崩壊生成モデル(Quantum Scrambling and Collapse Generative Model, QGen)は、古典的な依存関係を排除する純粋量子パラダイムである。 本研究では,学習をトラクタブルなサブプロブレムに分解し,バレンプラトーを緩和する測定に基づく学習原理を導入する。 経験的に、QGenは、有限ショットサンプリングの下で堅牢性を維持しながら、一致したパラメータ予算の下で古典的およびハイブリッド的ベースラインを上回っている。
  論文  参考訳（メタデータ） (2025-06-12T11:00:21Z)
• VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [50.95799256262098]
  変分量子回路(VQC)は量子機械学習を約束するが、表現性、訓練性、耐雑音性の課題に直面している。 本稿では,VQCが学習中に古典多層パーセプトロンの第一層重みを生成するハイブリッドアーキテクチャであるVQC-MLPNetを提案する。
  論文  参考訳（メタデータ） (2025-06-12T01:38:15Z)
• Quantum machine learning for image classification [39.58317527488534]
  本研究では、量子力学の原理を有効計算に活用する2つの量子機械学習モデルを紹介する。 我々の最初のモデルは、並列量子回路を持つハイブリッド量子ニューラルネットワークであり、ノイズの多い中間スケール量子時代においても計算の実行を可能にする。 第2のモデルは、クオン進化層を持つハイブリッド量子ニューラルネットワークを導入し、畳み込みプロセスによる画像の解像度を低下させる。
  論文  参考訳（メタデータ） (2023-04-18T18:23:20Z)

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。