論文の概要: A Convolutional Neural Deferred Shader for Physics Based Rendering

• arxiv url: http://arxiv.org/abs/2512.19522v1
• Date: Mon, 22 Dec 2025 16:16:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-23 18:54:32.824176
• Title: A Convolutional Neural Deferred Shader for Physics Based Rendering
• Title（参考訳）: 物理に基づくレンダリングのための畳み込み型ニューラルデファードシェーダ
• Authors: Zhuo He, Yingdong Ru, Qianying Liu, Paul Henderson, Nicolas Pugeault,
• Abstract要約: ニューラルレンダリングの最近の進歩は、フォトリアリスティックシェーディングとリライティングにおいて印象的な成果を上げている。 本稿では、畳み込みニューラルネットワークを用いてパラメータを減少させる物理ベースのニューラル遅延シェーディングパイプラインであるpbnds+を紹介する。
• 参考スコア（独自算出の注目度）: 9.933770503395117
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent advances in neural rendering have achieved impressive results on photorealistic shading and relighting, by using a multilayer perceptron (MLP) as a regression model to learn the rendering equation from a real-world dataset. Such methods show promise for photorealistically relighting real-world objects, which is difficult to classical rendering, as there is no easy-obtained material ground truth. However, significant challenges still remain the dense connections in MLPs result in a large number of parameters, which requires high computation resources, complicating the training, and reducing performance during rendering. Data driven approaches require large amounts of training data for generalization; unbalanced data might bias the model to ignore the unusual illumination conditions, e.g. dark scenes. This paper introduces pbnds+: a novel physics-based neural deferred shading pipeline utilizing convolution neural networks to decrease the parameters and improve the performance in shading and relighting tasks; Energy regularization is also proposed to restrict the model reflection during dark illumination. Extensive experiments demonstrate that our approach outperforms classical baselines, a state-of-the-art neural shading model, and a diffusion-based method.
• Abstract（参考訳）: 近年のニューラルレンダリングの進歩は、多層パーセプトロン(MLP)を回帰モデルとして利用して、実世界のデータセットからレンダリング方程式を学習することにより、フォトリアリスティックシェーディングとリライティングにおいて印象的な成果を上げている。 このような手法は、古典的なレンダリングが難しい実世界の物体を写実的に照らすことを約束するものである。 しかし、MLPの密接な接続は依然として大きな課題であり、多くのパラメータが生まれ、高い計算資源が必要になり、訓練が複雑になり、レンダリング時の性能が低下する。 データ駆動型アプローチは、一般化のために大量のトレーニングデータを必要とする。 本稿では, 畳み込みニューラルネットワークを用いた新しい物理モデルを用いたニューラル遅延シェーディングパイプラインを用いて, 遮蔽作業におけるパラメータの低減と性能向上を実現し, 暗照時のモデル反射を抑制するためのエネルギー正規化も提案する。 広汎な実験により、我々のアプローチは古典的ベースライン、最先端のニューラルシェーディングモデル、拡散に基づく手法よりも優れていることが示された。

関連論文リスト

• GratNet: A Photorealistic Neural Shader for Diffractive Surfaces [0.0]
  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。
  論文  参考訳（メタデータ） (2025-06-18T18:58:00Z)
• Beyond Reconstruction: A Physics Based Neural Deferred Shader for Photo-realistic Rendering [5.653106385738823]
  本稿では,データ駆動型レンダリングプロセスの分解を目的とした,物理に基づくニューラル遅延シェーディングパイプラインを提案する。 我々は、シェーディングおよびリライティングタスクのためのフォトリアリスティックな結果を生成するために、一般化可能なシェーディング関数を学習する。
  論文  参考訳（メタデータ） (2025-04-16T17:32:50Z)
• NeRF-Casting: Improved View-Dependent Appearance with Consistent Reflections [57.63028964831785]
  最近の研究は、遠方の環境照明の詳細な明細な外観を描画するNeRFの能力を改善しているが、近い内容の一貫した反射を合成することはできない。 我々はこれらの問題をレイトレーシングに基づくアプローチで解決する。 このモデルでは、それぞれのカメラ線に沿った点における視界依存放射率を求めるために高価なニューラルネットワークをクエリする代わりに、これらの点から光を流し、NeRF表現を通して特徴ベクトルを描画します。
  論文  参考訳（メタデータ） (2024-05-23T17:59:57Z)
• PNeRFLoc: Visual Localization with Point-based Neural Radiance Fields [54.8553158441296]
  統一された点ベース表現に基づく新しい視覚的ローカライゼーションフレームワーク PNeRFLoc を提案する。 一方、PNeRFLocは2次元特徴点と3次元特徴点をマッチングして初期ポーズ推定をサポートする。 一方、レンダリングベースの最適化を用いた新しいビュー合成によるポーズ改善も実現している。
  論文  参考訳（メタデータ） (2023-12-17T08:30:00Z)
• 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)
• 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)
• NeAI: A Pre-convoluted Representation for Plug-and-Play Neural Ambient Illumination [28.433403714053103]
  ニューラル環境照明(NeAI)という枠組みを提案する。 NeAIは、物理的な方法で複雑な照明を扱うための照明モデルとしてNeRF(Neural Radiance Fields)を使用している。 実験は、以前の作品と比較して、ノベルビューレンダリングの優れたパフォーマンスを示す。
  論文  参考訳（メタデータ） (2023-04-18T06:32:30Z)
• Object-based Illumination Estimation with Rendering-aware Neural Networks [56.01734918693844]
  個々の物体とその局所画像領域のRGBD外観から高速環境光推定手法を提案する。 推定照明により、仮想オブジェクトは実際のシーンと一貫性のあるシェーディングでARシナリオでレンダリングできる。
  論文  参考訳（メタデータ） (2020-08-06T08:23:19Z)

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。