論文の概要: Soft Anisotropic Diagrams for Differentiable Image Representation

• arxiv url: http://arxiv.org/abs/2604.21984v1
• Date: Thu, 23 Apr 2026 18:07:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-27 15:36:26.227949
• Title: Soft Anisotropic Diagrams for Differentiable Image Representation
• Title（参考訳）: 微分可能画像表現のためのソフト異方性図形
• Authors: Laki Iinbor, Zhiyang Dou, Wojciech Matusik,
• Abstract要約: ソフト異方性図形(SAD)は、画像平面内の適応部位の集合によってパラメータ化される。 軟弱異方性付加重み付きボロノイ分割を学習温度で誘導する。 本研究では,相異なるパイプラインとのシームレスな統合を前方および逆問題に対して示すことによって,SADの有効性を示す。
• 参考スコア（独自算出の注目度）: 30.776360247134704
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce Soft Anisotropic Diagrams (SAD), an explicit and differentiable image representation parameterized by a set of adaptive sites in the image plane. In SAD, each site specifies an anisotropic metric and an additively weighted distance score, and we compute pixel colors as a softmax blend over a small per-pixel top-K subset of sites. We induce a soft anisotropic additively weighted Voronoi partition (i.e., an Apollonius diagram) with learnable per-site temperatures, preserving informative gradients while allowing clear, content-aligned boundaries and explicit ownership. Such a formulation enables efficient rendering by maintaining a per-query top-K map that approximates nearest neighbors under the same shading score, allowing GPU-friendly, fixed-size local computation. We update this list using our top-K propagation scheme inspired by jump flooding, augmented with stochastic injection to provide probabilistic global coverage. Training follows a GPU-first pipeline with gradient-weighted initialization, Adam optimization, and adaptive budget control through densification and pruning. Across standard benchmarks, SAD consistently outperforms Image-GS and Instant-NGP at matched bitrate. On Kodak, SAD reaches 46.0 dB PSNR with 2.2 s encoding time (vs. 28 s for Image-GS), and delivers 4-19 times end-to-end training speedups over state-of-the-art baselines. We demonstrate the effectiveness of SAD by showcasing the seamless integration with differentiable pipelines for forward and inverse problems, efficiency of fast random access, and compact storage.
• Abstract（参考訳）: 画像平面上の適応部位の集合によってパラメータ化される明示的で微分可能な画像表現であるソフト異方性図(SAD)を導入する。 SADでは,各サイトが異方性距離と加重重み付き距離スコアを指定し,各サイトをソフトマックスブレンドとして,小さな1画素あたりのトップK部分集合上でピクセル色を算出する。 柔らかい異方性付加重み付きボロノイ分割(すなわちアポロニウス図)を学習可能な場所ごとの温度で誘導し、情報的勾配を保ちながら、明確で内容に整合した境界と明示的な所有権を許容する。 このような定式化は、同じシェーディングスコアの下で近接する近傍を近似するクエリごとのトップKマップを維持することで効率的なレンダリングを可能にし、GPUフレンドリで固定サイズのローカル計算を可能にする。 我々はこのリストを,ジャンプフラッディングにインスパイアされたトップK伝搬方式を用いて更新し,確率的グローバルカバレッジを提供する。 トレーニングは、勾配重み付け初期化、Adam最適化、デンシフィケーションとプルーニングによる適応予算制御を備えたGPUファーストパイプラインに続く。 標準ベンチマーク全体では、SADは画像-GSとInstant-NGPを一致したビットレートで一貫して上回っている。 Kodak では、SAD は 46.0 dB PSNR に到達し、2.2 秒のエンコーディング時間 (vs. 28 s for Image-GS) を持ち、最先端のベースラインよりも 4-19 倍のエンドツーエンドのトレーニングスピードアップを提供する。 本研究では,前・逆問題,高速ランダムアクセスの効率,コンパクトストレージといった問題に対して,相違可能なパイプラインとのシームレスな統合を示すことで,SADの有効性を実証する。

関連論文リスト

• 2D Gaussian Splatting with Semantic Alignment for Image Inpainting [46.266955851252504]
  2次元ガウススプラッティングに基づく最初の画像インペイントフレームワークを提案する。 グローバルなセマンティック一貫性のために、事前訓練されたDINOモデルの特徴を取り入れる。 本手法は,定量的指標と知覚的品質の両面での競合性能を実現する。
  論文  参考訳（メタデータ） (2025-09-02T05:12:52Z)
• Real-Time Polygonal Semantic Mapping for Humanoid Robot Stair Climbing [19.786955745157453]
  階段などの複雑な地形を探索するヒューマノイドロボットに適した,リアルタイムな平面意味マッピングのための新しいアルゴリズムを提案する。 奥行き画像上での異方性拡散フィルタを用いて,重要なエッジ情報を保持しつつ,勾配ジャンプからの雑音を効果的に最小化する。 提案手法は,30Hz以上のレートで1フレームをリアルタイムに処理し,詳細な平面抽出とマップ管理を迅速かつ効率的に行う。
  論文  参考訳（メタデータ） (2024-11-04T09:34:55Z)
• Image-GS: Content-Adaptive Image Representation via 2D Gaussians [52.598772767324036]
  本稿では,2次元ガウス放射率に基づくコンテンツ適応型画像表現であるImage-GSを紹介する。 リアルタイム使用のためにハードウェアフレンドリーな高速アクセスをサポートし、ピクセルをデコードするためには0.3KのMACしか必要としない。 テクスチャ圧縮、セマンティクス対応圧縮、共同画像圧縮と復元など、いくつかのアプリケーションでその汎用性を実証する。
  論文  参考訳（メタデータ） (2024-07-02T00:45:21Z)
• DGNet: Dynamic Gradient-Guided Network for Water-Related Optics Image Enhancement [77.0360085530701]
  水中画像強調(UIE)は、水中環境によって引き起こされる複雑な劣化のために難しい課題である。 従来の手法では、劣化過程を理想化し、中音や物体の動きが画像の特徴の分布に与える影響を無視することが多い。 提案手法では,予測画像を用いて疑似ラベルを動的に更新し,動的勾配を加えてネットワークの勾配空間を最適化する。
  論文  参考訳（メタデータ） (2023-12-12T06:07:21Z)
• Patch-Based Stochastic Attention for Image Editing [4.8201607588546]
  PatchMatchアルゴリズムをベースとした,近接する近傍近傍の同定に有効なアテンション層を提案する。 画像インペイント, ガイド画像のカラー化, シングルイメージ超解像など, 画像編集作業におけるPSALの有用性を示す。
  論文  参考訳（メタデータ） (2022-02-07T13:42:00Z)
• Variable-Rate Deep Image Compression through Spatially-Adaptive Feature Transform [58.60004238261117]
  空間特徴変換(SFT arXiv:1804.02815)に基づく多目的深部画像圧縮ネットワークを提案する。 本モデルは,任意の画素単位の品質マップによって制御される単一モデルを用いて,幅広い圧縮速度をカバーしている。 提案するフレームワークにより,様々なタスクに対してタスク対応の画像圧縮を行うことができる。
  論文  参考訳（メタデータ） (2021-08-21T17:30:06Z)
• Non-Homogeneous Haze Removal via Artificial Scene Prior and Bidimensional Graph Reasoning [52.07698484363237]
  本研究では,人工シーンの前置と2次元グラフ推論による不均質なヘイズ除去ネットワーク(nhrn)を提案する。 本手法は,単一画像デハジングタスクとハイザイ画像理解タスクの両方において,最先端アルゴリズムよりも優れた性能を実現する。
  論文  参考訳（メタデータ） (2021-04-05T13:04:44Z)
• Conditional Variational Image Deraining [158.76814157115223]
  キャラクタリゼーション性能向上のための条件変分画像レイニング(CVID)ネットワーク 本研究では,各画像の降雨密度マップを推定するための空間密度推定(SDE)モジュールを提案する。 合成および実世界のデータセットを用いた実験により,提案したCVIDネットワークは,画像のデライニングにおける従来の決定論的手法よりもはるかに優れた性能が得られることが示された。
  論文  参考訳（メタデータ） (2020-04-23T11:51:38Z)

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。