論文の概要: DIAMOND-SSS: Diffusion-Augmented Multi-View Optimization for Data-efficient SubSurface Scattering

• arxiv url: http://arxiv.org/abs/2601.12020v1
• Date: Sat, 17 Jan 2026 12:02:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:22.422741
• Title: DIAMOND-SSS: Diffusion-Augmented Multi-View Optimization for Data-efficient SubSurface Scattering
• Title（参考訳）: DIAMOND-SSS:データ効率下面散乱のための拡散拡張多視点最適化
• Authors: Guillermo Figueroa-Araneda, Iris Diana Jimenez, Florian Hofherr, Manny Ko, Hector Andrade-Loarca, Daniel Cremers,
• Abstract要約: 地表面散乱は、半透明物質に特徴的な柔らかい影、色の出血、拡散光を与える。 本稿では,高忠実度半透明再構築のためのデータ効率フレームワークであるDIAMOND-SSSについて紹介する。
• 参考スコア（独自算出の注目度）: 37.97052739331593
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Subsurface scattering (SSS) gives translucent materials -- such as wax, jade, marble, and skin -- their characteristic soft shadows, color bleeding, and diffuse glow. Modeling these effects in neural rendering remains challenging due to complex light transport and the need for densely captured multi-view, multi-light datasets (often more than 100 views and 112 OLATs). We present DIAMOND-SSS, a data-efficient framework for high-fidelity translucent reconstruction from extremely sparse supervision -- even as few as ten images. We fine-tune diffusion models for novel-view synthesis and relighting, conditioned on estimated geometry and trained on less than 7 percent of the dataset, producing photorealistic augmentations that can replace up to 95 percent of missing captures. To stabilize reconstruction under sparse or synthetic supervision, we introduce illumination-independent geometric priors: a multi-view silhouette consistency loss and a multi-view depth consistency loss. Across all sparsity regimes, DIAMOND-SSS achieves state-of-the-art quality in relightable Gaussian rendering, reducing real capture requirements by up to 90 percent compared to SSS-3DGS.
• Abstract（参考訳）: 地表面散乱(SSS)は、ワックス、ジェイド、大理石、皮膚などの半透明物質を、その特徴的な柔らかい影、色の出血、拡散光を与える。 複雑な光輸送と、密にキャプチャされたマルチビューのマルチライトデータセット(しばしば100ビュー以上と112OLAT)の必要性のため、ニューラルネットワークレンダリングにおけるこれらの効果のモデル化は依然として困難なままである。 DIAMOND-SSSは、10枚程度の画像であっても、極めて少ない監督から高忠実な半透明な再構築のためのデータ効率のフレームワークである。 我々は、新しいビュー合成とリライトのための微調整拡散モデルを作成し、推定幾何で条件付けされ、データセットの7%未満で訓練された。 スパースや合成監督下での再構成を安定させるために,照明に依存しない幾何的先行性を導入し,多視点シルエットの整合性損失と多視点深度整合性損失を考察した。 DIAMOND-SSSはすべての空間的レギュレーションにおいて、ガウスレンダリングにおける最先端の品質を実現し、SSS-3DGSと比較して実際のキャプチャ要求を最大90%削減する。

関連論文リスト

• Multi-scale Attention-Guided Intrinsic Decomposition and Rendering Pass Prediction for Facial Images [0.0]
  本稿では,1枚のRGBポートレートから光正規化拡散アルベドマップを予測するマルチスケールアテンションガイド型内在ネットワークMAGINetを提案する。 パイプラインは拡散アルベド推定のための最先端性能を達成し、従来の手法と比較して、完全なレンダリングスタックの忠実度が大幅に向上したことを示す。
  論文  参考訳（メタデータ） (2025-12-18T13:23:49Z)
• MaterialRefGS: Reflective Gaussian Splatting with Multi-view Consistent Material Inference [83.38607296779423]
  より物理的な環境モデルを用いた多視点一貫した物質推定がガウススプラッティングによる正確な反射の学習の鍵となることを示す。 本手法は照明と幾何学の両方を忠実に復元し,新しいビュー合成における最先端のレンダリング品質を実現する。
  論文  参考訳（メタデータ） (2025-10-13T13:29:20Z)
• Spec-Gloss Surfels and Normal-Diffuse Priors for Relightable Glossy Objects [42.30107053583194]
  本稿では,マイクロファセットBRDFとスペキュラ・グロシネスパラメータ化を統合した2次元ガウス平滑化フレームワークを提案する。 環境マップの粗大な最適化は収束を加速し、高ダイナミックレンジのスペクトル反射を保存する。
  論文  参考訳（メタデータ） (2025-10-02T14:34:46Z)
• OpenMaterial: A Large-scale Dataset of Complex Materials for 3D Reconstruction [55.052637670485716]
  材料認識型3D再構成のための大規模半合成データセットであるOpenMaterialを紹介する。 導体、誘電体、プラスチックを含む295の異なる材料にまたがる1,001の物体と、その粗い変種が含まれ、714の異なる照明条件下で捕獲される。 マルチビュー画像、3D形状モデル、カメラポーズ、深度マップ、およびオブジェクトマスクを提供し、挑戦的な材料上で3D再構成を評価するための最初の広範囲なベンチマークを確立する。
  論文  参考訳（メタデータ） (2024-06-13T07:46:17Z)
• Application of RESNET50 Convolution Neural Network for the Extraction of Optical Parameters in Scattering Media [4.934656140862609]
  我々はモンテカルロシミュレーションに基づくシミュレーションデータを用いて汎用畳み込みニューラルネットワークRESNET 50を訓練する。 私たちのアプローチでは、以前の作業と比較すると、はるかに小さなデータセットでトレーニングすることで、同等か、あるいはより優れた再構築の精度が得られます。
  論文  参考訳（メタデータ） (2024-04-25T14:36:00Z)
• NePF: Neural Photon Field for Single-Stage Inverse Rendering [6.977356702921476]
  多視点画像の逆レンダリングに対処するために,新しい単一ステージフレームワークNePF(Neural Photon Field)を提案する。 NePFは、神経暗黙表面の重み関数の背後にある物理的意味を完全に活用することで、この統一を実現する。 我々は本手法を実データと合成データの両方で評価する。
  論文  参考訳（メタデータ） (2023-11-20T06:15:46Z)
• ConsistentNeRF: Enhancing Neural Radiance Fields with 3D Consistency for Sparse View Synthesis [99.06490355990354]
  本研究では,深度情報を利用して画素間のマルチビューとシングルビューの3D整合性を調整する手法であるConsistentNeRFを提案する。 提案手法は,PSNRが94%,SSIMが31%,LPIPSが31%,疎視条件下でのモデル性能を大幅に向上させることができる。
  論文  参考訳（メタデータ） (2023-05-18T15:18:01Z)
• DANI-Net: Uncalibrated Photometric Stereo by Differentiable Shadow Handling, Anisotropic Reflectance Modeling, and Neural Inverse Rendering [75.86523223933912]
  非平衡測光ステレオ(UPS)は、未知の光によってもたらされる固有の曖昧さのために困難である。 異方性シャドーハンドリングと異方性リフレクタンスモデリングを備えた逆レンダリングフレームワークであるDANI-Netを提案する。 我々のネットワークは、2つの異なる経路を通る影と異方性反射の手がかりから恩恵を受ける。
  論文  参考訳（メタデータ） (2023-03-27T11:10:54Z)

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。