論文の概要: Beyond Spherical Harmonics: Rethinking Appearance Models for Radiance Reconstruction

• arxiv url: http://arxiv.org/abs/2606.09794v1
• Date: Mon, 08 Jun 2026 17:50:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:07.660683
• Title: Beyond Spherical Harmonics: Rethinking Appearance Models for Radiance Reconstruction
• Title（参考訳）: 球高調波を超えて : 放射像再構成のための外観モデルの再考
• Authors: Ewa Miazga, Jorge Condor, Piotr Didyk,
• Abstract要約: ビューに依存した外観モデリングは、新しいビューの合成と再構築において難しい問題である。 高速な外見効果の効率的なモデリングと学習を可能にする新しい球面定式化法である正規化異方性球面ガボル関数を開発した。 我々の機能は、最大5倍のメモリ効率と評価効率を保ちながら、グリントのようなビュー依存現象の高品質な再構築を実現する。
• 参考スコア（独自算出の注目度）: 5.980822697955566
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: View-dependent appearance modeling remains a challenging problem in novel-view synthesis and reconstruction. Accurately representing complex angular effects often requires substantial memory and computational resources. For new learning-based methods, a common approach is to rely on SH. However, capturing high-frequency phenomena such as specular reflections demands high-order expansions, which increase memory usage and computational cost. Consequently, most methods employ low-order SH, which limits the ability to model complex view-dependent effects, resulting in overly smooth or diffuse representations. To address these limitations, we systematically evaluate a wide range of spherical functions in the context of scene reconstruction. Some of them are introduced to graphics and computer vision for the first time in this paper. Based on the insights from the experiment, we develop a novel spherical formulation, the Normalized Anisotropic Spherical Gabor function that enables efficient modeling and learning of high-frequency appearance effects while maintaining compact representation. Compared to existing approaches, our function achieves higher-quality reconstruction of view-dependent phenomena such as glints, while being up to five times more memory-efficient and more efficient to evaluate. We validate its performance in radiance-field reconstruction tasks.
• Abstract（参考訳）: ビューに依存した外観モデリングは、新しいビューの合成と再構築において難しい問題である。 複雑な角効果を正確に表現するには、しばしばかなりのメモリと計算資源を必要とする。 新しい学習ベースの手法では、SHに頼るのが一般的なアプローチである。 しかし、スペクトル反射のような高周波現象の捕捉には高次展開が必要であり、メモリ使用量や計算コストが増大する。 その結果、ほとんどのメソッドは低次SHを使用し、複雑なビュー依存効果をモデル化する能力を制限するため、過度に滑らかな表現や拡散表現が生じる。 これらの制約に対処するために,シーン再構築の文脈において,広い範囲の球面関数を体系的に評価する。 これらのいくつかは、この論文で初めてグラフィックスとコンピュータビジョンに導入されている。 実験から得られた知見に基づいて,コンパクトな表現を維持しつつ,高頻度の外観効果の効率的なモデリングと学習を可能にする,新しい球面定式化法である正規化異方性球面ガボル関数を開発した。 既存の手法と比較して,グリントなどのビュー依存現象の高品質な再構成を実現し,最大5倍のメモリ効率と評価効率が向上した。 放射場再構成作業における性能評価を行った。

関連論文リスト

• CoDe-NeRF: Neural Rendering via Dynamic Coefficient Decomposition [28.96821860867129]
  動的係数分解に基づくニューラルネットワークレンダリングフレームワークを提案する。 我々のアプローチは、複雑な外観を、固有の材料特性を符号化する共有静的ニューラルネットワークベースに分解する。 提案手法は,既存の手法と比較して,よりシャープでリアルなスペクトルハイライトを生成できることを示す。
  論文  参考訳（メタデータ） (2025-08-08T18:30:02Z)
• High-Fidelity Scientific Simulation Surrogates via Adaptive Implicit Neural Representations [51.90920900332569]
  入射神経表現(INR)は空間的に構造化されたデータをモデリングするためのコンパクトで連続的なフレームワークを提供する。 近年のアプローチでは、剛性幾何学的構造に沿った付加的な特徴を導入することでこの問題に対処している。 機能適応型INR(FA-INR)を提案する。
  論文  参考訳（メタデータ） (2025-06-07T16:45:17Z)
• NeRF-Casting: Improved View-Dependent Appearance with Consistent Reflections [57.63028964831785]
  最近の研究は、遠方の環境照明の詳細な明細な外観を描画するNeRFの能力を改善しているが、近い内容の一貫した反射を合成することはできない。 我々はこれらの問題をレイトレーシングに基づくアプローチで解決する。 このモデルでは、それぞれのカメラ線に沿った点における視界依存放射率を求めるために高価なニューラルネットワークをクエリする代わりに、これらの点から光を流し、NeRF表現を通して特徴ベクトルを描画します。
  論文  参考訳（メタデータ） (2024-05-23T17:59:57Z)
• Anisotropic Neural Representation Learning for High-Quality Neural Rendering [0.0]
  本稿では、学習可能なビュー依存機能を利用してシーン表現と再構成を改善する異方性ニューラル表現学習法を提案する。 我々の手法は柔軟であり、NeRFベースのフレームワークにプラグインできる。
  論文  参考訳（メタデータ） (2023-11-30T07:29:30Z)
• ReTR: Modeling Rendering Via Transformer for Generalizable Neural Surface Reconstruction [24.596408773471477]
  レコンストラクションTRansformer (ReTR) は、トランスフォーマーアーキテクチャをレンダリングプロセスに活用する新しいフレームワークである。 色空間ではなく高次元の特徴空間内で操作することで、ReTRはソースビューの投影色に対する感度を緩和する。
  論文  参考訳（メタデータ） (2023-05-30T08:25:23Z)
• TensoIR: Tensorial Inverse Rendering [51.57268311847087]
  テンソルIRはテンソル分解とニューラルフィールドに基づく新しい逆レンダリング手法である。 TensoRFは、放射場モデリングのための最先端のアプローチである。
  論文  参考訳（メタデータ） (2023-04-24T21:39:13Z)
• GM-NeRF: Learning Generalizable Model-based Neural Radiance Fields from Multi-view Images [79.39247661907397]
  本稿では,自由視点画像の合成に有効なフレームワークであるGeneralizable Model-based Neural Radiance Fieldsを提案する。 具体的には、多視点2D画像からの出現コードを幾何学的プロキシに登録するための幾何学誘導型アテンション機構を提案する。
  論文  参考訳（メタデータ） (2023-03-24T03:32:02Z)
• 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)
• Implicit Neural Representation Learning for Hyperspectral Image Super-Resolution [0.0]
  Inlicit Neural Representations (INR)は、新しい効果的な表現として進歩を遂げている。 本稿では、空間座標を対応するスペクトル放射率値にマッピングする連続関数により、HSIを表すINRに基づく新しいHSI再構成モデルを提案する。
  論文  参考訳（メタデータ） (2021-12-20T14:07:54Z)
• Self-Regression Learning for Blind Hyperspectral Image Fusion Without Label [11.291055330647977]
  ハイパースペクトル画像(HSI)を再構築した自己回帰学習法を提案し,観察モデルを推定する。 特に,hsiを復元するinvertible neural network (inn) と,観測モデルを推定する2つの完全連結ネットワーク (fcn) を採用している。 我々のモデルは、合成データと実世界のデータセットの両方で実験で最先端の手法を上回ることができる。
  論文  参考訳（メタデータ） (2021-03-31T04:48:21Z)

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。