論文の概要: Neural Harmonic Textures for High-Quality Primitive Based Neural Reconstruction

• arxiv url: http://arxiv.org/abs/2604.01204v2
• Date: Wed, 08 Apr 2026 17:59:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-09 14:06:04.970877
• Title: Neural Harmonic Textures for High-Quality Primitive Based Neural Reconstruction
• Title（参考訳）: 高品質原始型ニューラルコンストラクションのためのニューラルハーモニックテクスチャ
• Authors: Jorge Condor, Nicolas Moenne-Loccoz, Merlin Nimier-David, Piotr Didyk, Zan Gojcic, Qi Wu,
• Abstract要約: ニューラル・ハーモニック・テクスチャ(Neural Harmonic Textures)は,プリミティブを囲む仮想足場に潜在特徴ベクトルをアンカーするニューラル表現手法である。 フーリエ解析にインスパイアされ、補間された特徴に周期的アクティベーションを適用し、アルファブレンディングをハーモニック成分の重み付け和に変換する。 提案手法は, 3DGUT, Triangle Splatting, 2DGSなどの既存のプリミティブベースパイプラインにシームレスに統合する。
• 参考スコア（独自算出の注目度）: 21.360321969322047
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Primitive-based methods such as 3D Gaussian Splatting have recently become the state-of-the-art for novel-view synthesis and related reconstruction tasks. Compared to neural fields, these representations are more flexible, adaptive, and scale better to large scenes. However, the limited expressivity of individual primitives makes modeling high-frequency detail challenging. We introduce Neural Harmonic Textures, a neural representation approach that anchors latent feature vectors on a virtual scaffold surrounding each primitive. These features are interpolated within the primitive at ray intersection points. Inspired by Fourier analysis, we apply periodic activations to the interpolated features, turning alpha blending into a weighted sum of harmonic components. The resulting signal is then decoded in a single deferred pass using a small neural network, significantly reducing computational cost. Neural Harmonic Textures yield state-of-the-art results in real-time novel view synthesis while bridging the gap between primitive- and neural-field-based reconstruction. Our method integrates seamlessly into existing primitive-based pipelines such as 3DGUT, Triangle Splatting, and 2DGS. We further demonstrate its generality with applications to 2D image fitting and semantic reconstruction.
• Abstract（参考訳）: 3Dガウススプラッティングのような原始的手法は、最近、新しいビュー合成と関連する再構成タスクの最先端技術となっている。 ニューラルネットワークと比較して、これらの表現はより柔軟で適応的であり、大きなシーンよりもスケールがよい。 しかし、個々のプリミティブの表現性に制限があるため、高周波ディテールのモデリングは困難である。 ニューラル・ハーモニック・テクスチャ(Neural Harmonic Textures)は,プリミティブを囲む仮想足場に潜在特徴ベクトルをアンカーするニューラル表現手法である。 これらの特徴は、線交点におけるプリミティブ内で補間される。 フーリエ解析にインスパイアされ、補間された特徴に周期的アクティベーションを適用し、アルファブレンディングを調和成分の重み付け和に変換する。 結果の信号は、小さなニューラルネットワークを使用して1つの遅延パスで復号化され、計算コストが大幅に削減される。 ニューラルハーモニックテクスチャは、プリミティブとニューラルフィールドベースの再構築のギャップを埋めながら、リアルタイムに新しいビュー合成を行う。 提案手法は, 3DGUT, Triangle Splatting, 2DGSなどの既存のプリミティブベースパイプラインにシームレスに統合する。 さらに,2次元画像フィッティングと意味的再構成への応用について,その一般化を実証する。

関連論文リスト

• Neural Texture Splatting: Expressive 3D Gaussian Splatting for View Synthesis, Geometry, and Dynamic Reconstruction [20.80508604651125]
  3D Gaussian Splatting (3DGS) は高品質な新規ビュー合成の先駆的なアプローチとして現れている。 近年の研究では, 3DGSを原単位のテクスチャなど, 原単位の容量を増大させることが提案されている。 ニューラルテクスチャスティング(NTS)を導入し,多種多様な再構築作業における最先端3DGSのバリエーションを改善する。
  論文  参考訳（メタデータ） (2025-11-24T08:26:32Z)
• Vertex Features for Neural Global Illumination [21.57826395764302]
  明示的なメッシュ表面を含むニューラルレンダリングタスクのための学習可能な表現の一般化された定式化であるニューラル特徴を示す。 我々は、様々なニューラルレンダリングタスクにおける神経表現を、特にニューラルラジオシティに重点を置いて検証する。
  論文  参考訳（メタデータ） (2025-08-11T11:10:19Z)
• LinPrim: Linear Primitives for Differentiable Volumetric Rendering [51.56484100374058]
  線形プリミティブに基づく2つの新しいシーン表現を導入する。 我々はGPU上で効率的に動作する異なるオクタライザを提案する。 我々は最先端の手法に匹敵する性能を示す。
  論文  参考訳（メタデータ） (2025-01-27T18:49:38Z)
• Reconstructing Topology-Consistent Face Mesh by Volume Rendering from Multi-View Images [71.20113392204183]
  産業用3Dフェイスアセット作成は通常、下流生産のために多視点画像からトポロジに一貫性のあるフェイスメッシュを再構築する。 NeRFは3次元再構成において、シーンを密度場と放射場として表現することで大きな利点を示した。 多視点画像からアーティストが作ったテンプレートフェイスメッシュの形状を最適化するために,明示的メッシュとニューラルボリュームレンダリングを組み合わせた新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-04-08T15:25:50Z)
• Implicit Neural Representation of Tileable Material Textures [1.1203075575217447]
  周期的なタイル状テクスチャを表現するために,正弦波ニューラルネットワークを探索する。 正弦波層の合成が周期$P$の整数周波数のみを生成することを証明した。 提案するニューラル暗黙表現はコンパクトであり,高分解能なテクスチャの効率的な再構築を可能にする。
  論文  参考訳（メタデータ） (2024-02-03T16:44:25Z)
• Learning Robust Generalizable Radiance Field with Visibility and Feature Augmented Point Representation [7.203073346844801]
  本稿では、一般化可能なニューラル放射場(NeRF)のための新しいパラダイムを提案する。 本稿では、画像ベースレンダリングではなく、点ベースに基づく一般化可能なニューラルネットワークを構築するための第1のパラダイムを提案する。 我々のアプローチは、幾何的先行性によって鮮度を明示的にモデル化し、それらをニューラル特徴で拡張する。
  論文  参考訳（メタデータ） (2024-01-25T17:58:51Z)
• MonoSDF: Exploring Monocular Geometric Cues for Neural Implicit Surface Reconstruction [72.05649682685197]
  最先端のニューラル暗黙法は、多くの入力ビューから単純なシーンの高品質な再構築を可能にする。 これは主に、十分な制約を提供していないRGB再構築損失の固有の曖昧さによって引き起こされる。 近年の単分子形状予測の分野での進歩に触発され, ニューラルな暗黙的表面再構成の改善にこれらの方法が役立つかを探究する。
  論文  参考訳（メタデータ） (2022-06-01T17:58:15Z)
• Scene Synthesis via Uncertainty-Driven Attribute Synchronization [52.31834816911887]
  本稿では,3次元シーンの多様な特徴パターンを捉えるニューラルシーン合成手法を提案する。 提案手法は,ニューラルネットワークと従来のシーン合成手法の双方の長所を結合する。
  論文  参考訳（メタデータ） (2021-08-30T19:45:07Z)
• GramGAN: Deep 3D Texture Synthesis From 2D Exemplars [7.553635339893189]
  本稿では,2次元画像が与えられた無限の高品質な3次元テクスチャの生成を可能にする,新しいテクスチャ合成フレームワークを提案する。 自然テクスチャ合成の最近の進歩に触発されて、学習されたノイズ周波数を非線形に組み合わせてテクスチャを生成するために、ディープニューラルネットワークを訓練する。 そこで本研究では,スタイル転送と生成対向ネットワークの両方からアイデアを結合した新たな損失関数を提案する。
  論文  参考訳（メタデータ） (2020-06-29T15:22:03Z)

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。