論文の概要: QNeRF: Neural Radiance Fields on a Simulated Gate-Based Quantum Computer

• arxiv url: http://arxiv.org/abs/2601.05250v1
• Date: Thu, 08 Jan 2026 18:59:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-09 17:01:53.358463
• Title: QNeRF: Neural Radiance Fields on a Simulated Gate-Based Quantum Computer
• Title（参考訳）: QNeRF: シミュレーションゲートベース量子コンピュータにおけるニューラル放射場
• Authors: Daniele Lizzio Bosco, Shuteng Wang, Giuseppe Serra, Vladislav Golyanik,
• Abstract要約: ニューラルラジアンス場(NeRF)の新規合成技術 QNeRFは、2次元画像からの新規ビュー合成のために設計された最初のハイブリッド量子古典モデルである。 実験の結果,QNeRFはパラメータの半数以下を用いながら,古典的NeRFベースラインに適合あるいは優れることがわかった。
• 参考スコア（独自算出の注目度）: 25.492019756551517
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, Quantum Visual Fields (QVFs) have shown promising improvements in model compactness and convergence speed for learning the provided 2D or 3D signals. Meanwhile, novel-view synthesis has seen major advances with Neural Radiance Fields (NeRFs), where models learn a compact representation from 2D images to render 3D scenes, albeit at the cost of larger models and intensive training. In this work, we extend the approach of QVFs by introducing QNeRF, the first hybrid quantum-classical model designed for novel-view synthesis from 2D images. QNeRF leverages parameterised quantum circuits to encode spatial and view-dependent information via quantum superposition and entanglement, resulting in more compact models compared to the classical counterpart. We present two architectural variants. Full QNeRF maximally exploits all quantum amplitudes to enhance representational capabilities. In contrast, Dual-Branch QNeRF introduces a task-informed inductive bias by branching spatial and view-dependent quantum state preparations, drastically reducing the complexity of this operation and ensuring scalability and potential hardware compatibility. Our experiments demonstrate that -- when trained on images of moderate resolution -- QNeRF matches or outperforms classical NeRF baselines while using less than half the number of parameters. These results suggest that quantum machine learning can serve as a competitive alternative for continuous signal representation in mid-level tasks in computer vision, such as 3D representation learning from 2D observations.
• Abstract（参考訳）: 近年、QVF(Quantum Visual Fields)は、提供された2Dまたは3D信号の学習のためのモデルコンパクト性と収束速度の有望な改善を示した。 一方、ニューラル・ラジアンス・フィールド(Neural Radiance Fields、NeRF)では、モデルが2D画像からコンパクトな表現を学び、3Dシーンをレンダリングするなど、より大規模なモデルや集中的なトレーニングのコストがかかるにもかかわらず、新しいビュー合成が大幅に進歩している。 本研究では、2次元画像からの新規ビュー合成のために設計された最初のハイブリッド量子古典モデルQNeRFを導入することにより、QVFのアプローチを拡張した。 QNeRFはパラメータ化された量子回路を利用して、空間的およびビューに依存した情報を量子重ね合わせや絡み合いによって符号化し、古典的なものと比べればよりコンパクトなモデルをもたらす。 アーキテクチャのバリエーションは2つあります。 完全なQNeRFは、すべての量子振幅を極大に利用し、表現能力を高める。 対照的に、Dual-Branch QNeRFは、空間およびビュー依存の量子状態準備を分岐し、この操作の複雑さを大幅に減らし、スケーラビリティと潜在的なハードウェア互換性を確保することで、タスクインフォームの帰納バイアスを導入している。 我々の実験は、適度な解像度の画像に基づいて訓練された場合、QNeRFは従来のNeRFベースラインと一致し、性能が良く、パラメータの半数以下であることを示した。 これらの結果は、量子機械学習が、コンピュータビジョンの中級タスクにおける連続的な信号表現の競合的な代替となりうることを示唆している。

関連論文リスト

• Quantum Implicit Neural Representations for 3D Scene Reconstruction and Novel View Synthesis [42.13843953705695]
  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。
  論文  参考訳（メタデータ） (2025-12-14T13:24:11Z)
• 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)
• Solving the Hubbard model with Neural Quantum States [66.55653324211542]
  ダッピングされた2次元ハバードモデルに対する最先端結果について検討した。 NQSアンサッツの異なるアテンションヘッドは、異なるスケールで直接相関を符号化することができる。 我々の研究は、マルチフェミオンシステムに挑戦する強力なツールとしてNQSを確立します。
  論文  参考訳（メタデータ） (2025-07-03T14:08:25Z)
• QFGN: A Quantum Approach to High-Fidelity Implicit Neural Representations [1.874615333573157]
  本稿では,QFGN(Quantum Fourier Gaussian Network)を提案する。 その結果、QFGNは最小限のパラメータで現在の最先端(SOTA)モデルより優れていることが示された。 ハードウェア上のノイズにもかかわらず、このモデルはSIRENに匹敵する精度を実現し、この分野における量子機械学習の潜在的な応用を強調している。
  論文  参考訳（メタデータ） (2025-04-26T23:40:33Z)
• Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
  ランダム量子スピン系の進化をモデル化するためにFNOを用いる。 量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
  論文  参考訳（メタデータ） (2024-09-05T07:18:09Z)
• Quantum Denoising Diffusion Models [4.763438526927999]
  2つの量子拡散モデルを導入し、それらの能力と古典的能力とをベンチマークする。 我々のモデルは、FID、SSIM、PSNRのパフォーマンス指標の点で、類似したパラメータ数を持つ古典モデルを上回る。
  論文  参考訳（メタデータ） (2024-01-13T11:38:08Z)
• 3D-QAE: Fully Quantum Auto-Encoding of 3D Point Clouds [71.39129855825402]
  既存の3D表現の学習方法は、古典的なハードウェアでトレーニングされ、テストされるディープニューラルネットワークである。 本稿では3次元点雲のための最初の量子オートエンコーダを紹介する。
  論文  参考訳（メタデータ） (2023-11-09T18:58:33Z)

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。