論文の概要: PureLight: Learning Complex Luminaires with Light Tracing

• arxiv url: http://arxiv.org/abs/2606.04319v1
• Date: Wed, 03 Jun 2026 00:48:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-04 20:44:18.450086
• Title: PureLight: Learning Complex Luminaires with Light Tracing
• Title（参考訳）: PureLight: ライトトレーシングで複雑なルミネアを学習する
• Authors: Pedro Figueiredo, Zixuan Li, Beibei Wang, Miloš Hašan, Nima Khademi Kalantari,
• Abstract要約: 発光器から出口面への経路構築には光トレーシングを用いる。 学習した外観を、出口面の放射率を直接推定する軽量な計算に蒸留する。
• 参考スコア（独自算出の注目度）: 13.516598146561845
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a neural formulation for estimating the appearance of complex luminaires. We focus on challenging luminaires with complex light transport (e.g., small emitters enclosed by multiple specular layers) that are difficult for (bidirectional) path tracing. To this end, we use light tracing to construct paths from emitters to the exit surfaces and formulate appearance estimation as a distribution learning problem. Specifically, we model the probability density function (pdf) of outgoing radiance on the exit surfaces using a large normalizing flow network, and recover the outgoing radiance as the product of the estimated pdf and flux. To enable efficient inference, we distill the learned appearance into a lightweight MLP that directly estimates radiance on the exit surfaces. We additionally train a sampling network for effective direct illumination computation from the luminaire, and a blending network to composite the luminaire into the scene. Our formulation makes it feasible to render challenging luminaires using low sample counts in arbitrary scenes.
• Abstract（参考訳）: 複雑な照明器具の外観を推定するためのニューラルな定式化を提案する。 我々は、(双方向の)経路追跡が困難である複雑な光輸送(例えば、複数のスペクトル層で囲まれた小さな発光体)による挑戦的な照明家に焦点を当てる。 この目的のために、光トレーシングを用いてエミッタから出口面への経路を構築し、分布学習問題として外観推定を定式化する。 具体的には、大規模な正規化フローネットワークを用いて、出口面の放射率の確率密度関数(pdf)をモデル化し、推定したpdfとフラックスの積としての放射率を復元する。 効率的な推論を可能にするために,学習した外観を,出口面の放射率を直接推定する軽量MLPに蒸留する。 さらに、発光器から直接の効率的な直接照明計算のためのサンプリングネットワークと、発光器をシーンに合成するブレンディングネットワークを訓練する。 我々の定式化は、任意の場面で低いサンプル数を使って、挑戦的な照明器具をレンダリングできるようにする。

関連論文リスト

• Real-time Image-based Lighting of Glints [4.180435324231827]
  難しいシナリオは、表面全体に散らばった個々のマイクロフェイスによって引き起こされる、輝くか輝く外観を示す材料である。 本研究では,グリントのイメージベース照明の効率的な近似法を提案し,フルダイナミックな材料特性と環境マップを実現する。 グリントを使わずにスムーズな素材をレンダリングするのに比べ、我々の手法は事前フィルタされた環境マップを保存するのに2倍のメモリを必要とする。
  論文  参考訳（メタデータ） (2025-07-03T14:38:37Z)
• Neural Product Importance Sampling via Warp Composition [9.846719854600709]
  サンプル照明製品積分を効率よく重要にするために, 正規化フローを用いた学習に基づく手法を提案する。 複雑な幾何学, 材料, 照明などを含む様々な応用において, 先行手法による分散の低減を実証する。
  論文  参考訳（メタデータ） (2024-09-12T15:38:21Z)
• GIR: 3D Gaussian Inverse Rendering for Relightable Scene Factorization [62.13932669494098]
  本稿では,3次元ガウス表現を用いた3次元ガウス逆レンダリング(GIR)手法を提案する。 最短固有ベクトルを用いて各3次元ガウスの正規性を計算する。 我々は3次元ガウシアン毎に方向対応の放射光を格納し、多重バウンス光輸送を近似するために二次照明をアンタングルするために、効率的なボクセルベースの間接照明追跡方式を採用する。
  論文  参考訳（メタデータ） (2023-12-08T16:05:15Z)
• Adaptive Shells for Efficient Neural Radiance Field Rendering [92.18962730460842]
  本稿では, 表面および表面のレンダリングを円滑に遷移させるニューラル放射率の定式化を提案する。 我々の手法は、非常に高い忠実度で効率的なレンダリングを可能にする。 また,抽出したエンベロープは,アニメーションやシミュレーションなどの下流アプリケーションを可能にすることを示す。
  論文  参考訳（メタデータ） (2023-11-16T18:58:55Z)
• Neural Free-Viewpoint Relighting for Glossy Indirect Illumination [44.32630651762033]
  我々は、光沢反射を含む高周波間接照明に対するハイブリッドニューラルウェーブレットPRTソリューションを、視界の変化によるリライティングのために提示する。 我々は、ビュー依存のリフレクションや因果関係を含む難解なシーンのリアルタイムレンダリングを実演する。
  論文  参考訳（メタデータ） (2023-07-12T17:56:09Z)
• Factorized Inverse Path Tracing for Efficient and Accurate Material-Lighting Estimation [97.0195314255101]
  逆経路追跡は計算に高価であり、反射と放出の間に曖昧さが存在する。 当社のFactized Inverse Path Tracing (FIPT) は, ファクタリング光輸送の定式化によってこれらの課題に対処する。 提案アルゴリズムは, 従来よりも高精度な材料と照明の最適化を実現し, あいまいさの解消に有効である。
  論文  参考訳（メタデータ） (2023-04-12T07:46:05Z)
• A Learned Radiance-Field Representation for Complex Luminaires [0.0]
  簡単なプロキシ幾何を用いることで、照明器具の幾何学的複雑さを低減する。 我々は、ニューラルラジアンス場を用いて、視覚的に複雑な発光光場を符号化する。 レンダリングでは、発光器のNeRFをPlenoctreeに蒸留し、従来のレンダリングシステムに簡単に組み込むことができる。
  論文  参考訳（メタデータ） (2022-07-11T16:57:59Z)
• Light Stage Super-Resolution: Continuous High-Frequency Relighting [58.09243542908402]
  光ステージから採取した人間の顔の「超解像」を学習ベースで解析する手法を提案する。 本手法では,ステージ内の隣接する照明に対応する撮像画像を集約し,ニューラルネットワークを用いて顔の描画を合成する。 我々の学習モデルは、リアルな影と特異なハイライトを示す任意の光方向のレンダリングを生成することができる。
  論文  参考訳（メタデータ） (2020-10-17T23:40:43Z)
• Deep Photometric Stereo for Non-Lambertian Surfaces [89.05501463107673]
  我々は、PS-FCNと呼ばれる、校正された測光ステレオのための完全な畳み込みディープネットワークを導入する。 PS-FCNは反射率観測から表面正規へのマッピングを学習し、一般的な等方反射率と未知の等方反射率で表面を処理できる。 光方向が不明な未定のシナリオに対処するため、入力画像から光方向を推定するLCNetという新しい畳み込みネットワークを導入する。
  論文  参考訳（メタデータ） (2020-07-26T15:20:53Z)

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。