論文の概要: Real-time Neural Six-way Lightmaps

• arxiv url: http://arxiv.org/abs/2604.03748v1
• Date: Sat, 04 Apr 2026 14:44:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:18.750051
• Title: Real-time Neural Six-way Lightmaps
• Title（参考訳）: リアルタイムニューラル6方向光マップ
• Authors: Wei Li, Hanxiao Sun, Tao Huang, Haoxiang Wang, Tongtong Wang, Zherong Pan, Kui Wu,
• Abstract要約: 本稿では,ダイナミックスと視覚リアリズムの長期的バランスを打つニューラルネットワークの6方向光マップを提案する。 当社のアプローチは、煙と障害物の相互作用、カメラの動き、光の変化など、リアルタイムのユーザインタラクションを可能にしながら、視覚的に魅力的なレンダリング効果をサポートする。
• 参考スコア（独自算出の注目度）: 24.908204893209657
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Participating media are a pervasive and intriguing visual effect in virtual environments. Unfortunately, rendering such phenomena in real-time is notoriously difficult due to the computational expense of estimating the volume rendering equation. While the six-way lightmaps technique has been widely used in video games to render smoke with a camera-oriented billboard and approximate lighting effects using six precomputed lightmaps, achieving a balance between realism and efficiency, it is limited to pre-simulated animation sequences and is ignorant of camera movement. In this work, we propose a neural six-way lightmaps method to strike a long-sought balance between dynamics and visual realism. Our approach first generates a guiding map from the camera view using ray marching with a large sampling distance to approximate smoke scattering and silhouette. Then, given a guiding map, we train a neural network to predict the corresponding six-way lightmaps. The resulting lightmaps can be seamlessly used in existing game engine pipelines. This approach supports visually appealing rendering effects while enabling real-time user interactivity, including smoke-obstacle interaction, camera movement, and light change. By conducting a series of comprehensive benchmarks, we demonstrate that our method is well-suited for real-time applications, such as games and VR/AR.
• Abstract（参考訳）: 参加メディアは、仮想環境における広範で興味深い視覚効果である。 残念なことに、そのような現象をリアルタイムにレンダリングすることは、ボリュームレンダリング方程式を推定する計算コストのため、非常に難しい。 6方向ライトマップ技術は、6つの事前計算されたライトマップを用いて、カメラ指向の看板と近似照明効果で煙を表現し、リアリズムと効率のバランスを保ちながら、プリシミュレートされたアニメーションシーケンスに限られており、カメラの動きを無視する。 本研究では,ダイナミックスと視覚リアリズムの長期的バランスを打つニューラルネットワークの6方向光マップを提案する。 提案手法はまず,サンプリング距離が大きいレイマーキングを用いてカメラビューからガイドマップを生成し,煙散乱とシルエットを近似する。 そして、ガイドマップが与えられた場合、ニューラルネットワークをトレーニングし、対応する6方向の光マップを予測する。 結果として得られるライトマップは、既存のゲームエンジンパイプラインでシームレスに使用できる。 このアプローチは、煙と障害物の相互作用、カメラの動き、光の変化など、リアルタイムのユーザインタラクションを可能にしながら、視覚的に魅力的なレンダリング効果をサポートする。 一連の総合的なベンチマークを行うことで,ゲームやVR/ARといったリアルタイムアプリケーションに適していることを示す。

関連論文リスト

• MBA-SLAM: Motion Blur Aware Gaussian Splatting SLAM [15.752529196306648]
  本稿では、重度動きブルレッド入力を処理し、画像ブルリングを強化するために、濃密な視覚ディブルSLAMパイプライン(MBA-SLAM)を提案する。 提案手法では,効率的な運動ぼかし対応トラッカーをニューラルネットワークとガウススプラッティングベースのマッパーに統合する。 実験では,MBA-SLAMがカメラのローカライゼーションとマップ再構成の両方において,従来の最先端手法を上回ることを示した。
  論文  参考訳（メタデータ） (2024-11-13T01:38:06Z)
• EVER: Exact Volumetric Ellipsoid Rendering for Real-time View Synthesis [72.53316783628803]
  実時間微分可能な発光専用ボリュームレンダリング法であるExact Volumetric Ellipsoid Rendering (EVER)を提案する。 3D Gaussian Splatting(3DGS)による最近の手法とは異なり、プリミティブベースの表現は正確なボリュームレンダリングを可能にする。 本手法は,3DGSよりもブレンディング問題の方が精度が高く,ビューレンダリングの追従作業も容易であることを示す。
  論文  参考訳（メタデータ） (2024-10-02T17:59:09Z)
• Interactive Rendering of Relightable and Animatable Gaussian Avatars [37.73483372890271]
  本稿では,多視点映像や単眼アバター映像から身体材料と照明を分離する簡便で効率的な方法を提案する。 提案手法は,合成データと実データの両方で高速に高品質な結果が得られる。
  論文  参考訳（メタデータ） (2024-07-15T13:25:07Z)
• FLARE: Fast Learning of Animatable and Relightable Mesh Avatars [64.48254296523977]
  私たちのゴールは、幾何学的に正確で、リアルで、楽しい、現在のレンダリングシステムと互換性のあるビデオから、パーソナライズ可能な3Dアバターを効率的に学習することです。 単眼ビデオからアニマタブルアバターとリライトブルアバターの作成を可能にする技術であるFLAREを紹介する。
  論文  参考訳（メタデータ） (2023-10-26T16:13:00Z)
• Towards Practical Capture of High-Fidelity Relightable Avatars [60.25823986199208]
  TRAvatarは、様々な照明条件下で光ステージでキャプチャされた動的画像シーケンスで訓練される。 1回のフォワードパスでリアルタイムで出現を予測でき、高品質なリライト効果が得られる。 本フレームワークは,光リアリスティックなアバターアニメーションとリライティングの優れた性能を実現する。
  論文  参考訳（メタデータ） (2023-09-08T10:26:29Z)
• Spatiotemporally Consistent HDR Indoor Lighting Estimation [66.26786775252592]
  本研究では,屋内照明推定問題を解決するための物理動機付きディープラーニングフレームワークを提案する。 深度マップを用いた1枚のLDR画像から,任意の画像位置における空間的に一貫した照明を予測できる。 我々のフレームワークは、最先端の単一画像やビデオベースの手法と比較して、高画質で光リアリスティック照明予測を実現する。
  論文  参考訳（メタデータ） (2023-05-07T20:36:29Z)
• Neural Implicit Dense Semantic SLAM [83.04331351572277]
  本稿では,屋内シーンのメモリ効率,高密度な3次元形状,セマンティックセマンティックセグメンテーションをオンラインで学習する新しいRGBD vSLAMアルゴリズムを提案する。 私たちのパイプラインは、従来の3Dビジョンベースのトラッキングとループクローズとニューラルフィールドベースのマッピングを組み合わせたものです。 提案アルゴリズムはシーン認識を大幅に向上させ,様々なロボット制御問題を支援する。
  論文  参考訳（メタデータ） (2023-04-27T23:03:52Z)

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。