論文の概要: Compact Hadamard Latent Codes for Efficient Spectral Rendering

• arxiv url: http://arxiv.org/abs/2602.18741v1
• Date: Sat, 21 Feb 2026 07:30:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-24 17:42:02.276503
• Title: Compact Hadamard Latent Codes for Efficient Spectral Rendering
• Title（参考訳）: 効率的なスペクトルレンダリングのためのコンパクトなアダマール遅延符号
• Authors: Jiaqi Yu, Dar'ya Guarnera, Giuseppe Claudio Guarnera,
• Abstract要約: スペクトルレンダリングは波長依存の外観を正確に再現するが、計算コストが高い。 本稿ではスペクトルレンダリングが可能なコンパクトな潜在表現であるHadamardスペクトル符号を提案する。 3Dシーンの実験では、k = 6 は RGB のベースラインに比べて色誤差を著しく減少させる。
• 参考スコア（独自算出の注目度）: 3.0459410574367305
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Spectral rendering accurately reproduces wavelength-dependent appearance but is computationally expensive, as shading must be evaluated at many wavelength samples and scales roughly linearly with the number of samples. It also requires spectral textures and lights throughout the rendering pipeline. We propose Hadamard spectral codes, a compact latent representation that enables spectral rendering using standard RGB rendering operations. Spectral images are approximated with a small number of RGB rendering passes, followed by a decoding step. Our key requirement is latent linearity: scaling and addition in spectral space correspond to scaling and addition of codes, and the element-wise product of spectra (for example reflectance times illumination) is approximated by the element-wise product of their latent codes. We show that an exact low-dimensional algebra-preserving representation cannot exist for arbitrary spectra when the latent dimension k is smaller than the number of spectral samples n. We therefore introduce a learned non-negative linear encoder and decoder architecture that preserves scaling and addition exactly while encouraging approximate multiplicativity under the Hadamard product. With k = 6, we render k/3 = 2 RGB images per frame using an unmodified RGB renderer, reconstruct the latent image, and decode to high-resolution spectra or XYZ or RGB. Experiments on 3D scenes demonstrate that k = 6 significantly reduces color error compared to RGB baselines while being substantially faster than naive n-sample spectral rendering. Using k = 9 provides higher-quality reference results. We further introduce a lightweight neural upsampling network that maps RGB assets directly to latent codes, enabling integration of legacy RGB content into the spectral pipeline while maintaining perceptually accurate colors in rendered images.
• Abstract（参考訳）: スペクトルレンダリングは、波長依存の外観を正確に再現するが、多くの波長サンプルでシェーディングを評価し、サンプル数とほぼ線形にスケールする必要があるため、計算コストがかかる。 レンダリングパイプライン全体を通して、スペクトルテクスチャとライトも必要です。 本稿では,標準RGBレンダリング操作を用いたスペクトルレンダリングが可能な,コンパクトな潜在表現であるHadamardスペクトル符号を提案する。 スペクトル画像は、少数のRGBレンダリングパスと近似され、デコードステップが続く。 スペクトル空間のスケーリングと加算はコードのスケーリングと追加に対応し、スペクトルの要素ワイド積(反射時間照明など)は潜在符号の要素ワイド積によって近似される。 正則な低次元代数保存表現は、潜在次元 k がスペクトル標本 n の数より小さいとき、任意のスペクトルに対して存在しないことを示す。 そこで我々は,アダマール積の下で近似的乗法性を奨励しながら,スケーリングと加算を正確に保存する学習された非負の線形エンコーダとデコーダアーキテクチャを導入する。 k = 6では、修正されていないRGBレンダラを用いてk/3 = 2 RGB画像をレンダリングし、潜像を再構成し、高解像度のスペクトルやXYZ、RGBにデコードする。 3Dシーンの実験では、k = 6 は n-sample スペクトルレンダリングよりもかなり高速でありながら、RGB ベースラインと比較して色誤差を著しく減少させる。 k = 9 を用いると、より高品質な参照結果が得られる。 さらに、RGBアセットを遅延コードに直接マッピングし、レガシなRGBコンテンツをスペクトルパイプラインに統合し、レンダリング画像の知覚的に正確な色を維持しながら、軽量なニューラルアップサンプリングネットワークを導入する。

関連論文リスト

• RGB Pre-Training Enhanced Unobservable Feature Latent Diffusion Model for Spectral Reconstruction [16.54284634377436]
  スペクトル構造表現学習とスペクトル-空間共分散学習からなる2段階パイプラインを提案する。 第1段階では、スペクトル可観測特徴オートエンコーダ(SpeUAE)を訓練し、その可観測特徴をRGB空間に整列した3次元多様体に抽出し圧縮する。 その後、ULDMを取得し、対応するRGB画像からのガイダンスで符号化された観測不能な特徴の分布をモデル化する。
  論文  参考訳（メタデータ） (2025-07-17T10:07:32Z)
• 3D Gaussian Ray Tracing: Fast Tracing of Particle Scenes [50.36933474990516]
  本研究は, 粒子のトレーシング, 境界体積階層の構築, 高性能なレイトレーシングハードウェアを用いた各画素のレイキャストについて考察する。 半透明粒子の多量処理を効率的に行うために,有界メッシュで粒子をカプセル化するアルゴリズムについて述べる。 実験は、我々のアプローチの速度と精度、およびコンピュータグラフィックスとビジョンにおけるいくつかの応用を実証する。
  論文  参考訳（メタデータ） (2024-07-09T17:59:30Z)
• Ternary-Type Opacity and Hybrid Odometry for RGB NeRF-SLAM [58.736472371951955]
  表面を交差する光線上の点を3つの領域(前・前・後・後)に分類する3成分式不透明度モデルを導入する。 これにより、より正確な深度のレンダリングが可能となり、画像ワープ技術の性能が向上する。 TTとHOの統合アプローチは,合成および実世界のデータセット上で最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-12-20T18:03:17Z)
• SpectralNeRF: Physically Based Spectral Rendering with Neural Radiance Field [70.15900280156262]
  本稿では,新しいスペクトルの観点から,高品質な物理ベースレンダリングのためのエンドツーエンドニューラルラジアンスフィールド(NeRF)アーキテクチャを提案する。 スペクトルNeRFは、合成データセットと実データセットの新しいビューを合成する際に、最近のNeRFベースの方法よりも優れている。
  論文  参考訳（メタデータ） (2023-12-14T07:19:31Z)
• A novel approach for holographic 3D content generation without depth map [2.905273049932301]
  与えられたRGB画像のみを用いてボリュームデジタルホログラムを合成する深層学習方式を提案する。 実験により,提案モデルにより生成された体積ホログラムは,競合モデルよりも精度が高いことを示した。
  論文  参考訳（メタデータ） (2023-09-26T14:37:31Z)
• Continuous Spectral Reconstruction from RGB Images via Implicit Neural Representation [43.622087181097164]
  既存のスペクトル再構成法は通常、RGB画像から多くのスペクトル帯域への離散写像を学ぶ。 本稿では,ニューラルスペクトル再構成法(NeSR)を提案する。 NeSRは、任意の数のスペクトルバンドを目標出力として可能にすることで、スペクトル再構成の柔軟性を拡大する。
  論文  参考訳（メタデータ） (2021-12-24T09:08:23Z)
• Tuning IR-cut Filter for Illumination-aware Spectral Reconstruction from RGB [84.1657998542458]
  再現精度は、使用中のRGBカメラのスペクトル応答に大きく依存していることが証明されている。 本稿では,既存のrgbカメラのフィルタアレイに基づくカラーイメージング機構を調査し,irカットフィルタの設計方法を提案する。
  論文  参考訳（メタデータ） (2021-03-26T19:42:21Z)
• Learning to Enhance Visual Quality via Hyperspectral Domain Mapping [8.365634649800658]
  SpecNetはスペクトルプロファイルを計算し、所定の画像の画素単位のダイナミックレンジ調整を推定する。 我々は、RGB画像から可視HSIを推測するために、自己スーパービジョンとスペクトルプロファイル正規化ネットワークを組み込んだ。
  論文  参考訳（メタデータ） (2021-02-10T13:27:34Z)
• Fast Hyperspectral Image Recovery via Non-iterative Fusion of Dual-Camera Compressive Hyperspectral Imaging [22.683482662362337]
  符号化開口分光画像(CASSI)は3次元ハイパースペクトル像(HSI)を撮像するための有望な技術である 様々な正規化器を用いて2次元計測から3次元データを再構成している。 実現可能な解決策の1つは、CASSIのRGB測定などの追加情報を活用することです。
  論文  参考訳（メタデータ） (2020-12-30T10:29:32Z)

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。