論文の概要: STAR-NT: Spatiotemporal Acceleration of Real-Time Neural Transparency Rendering

• arxiv url: http://arxiv.org/abs/2606.16747v1
• Date: Mon, 15 Jun 2026 14:07:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:34.598301
• Title: STAR-NT: Spatiotemporal Acceleration of Real-Time Neural Transparency Rendering
• Title（参考訳）: STAR-NT:リアルタイムニューラルネットワークレンダリングの時空間高速化
• Authors: Grigoris Tsopouridis, Christos Georgiou-Mousses, Aris Panagiotidis, Andreas Vasilakis, David Corrigan, Tobias A. Franke, Aleksei Gorbonosov, Andrei Astapov, Ioannis Fudos,
• Abstract要約: ニューラルネットワークに依存しない透明性は、重なり合う透明表面の高品質なレンダリングを提供するが、その幾何が通過し、ネットワーク入力生成はコストがかかる。 本稿では,空間的・時間的コヒーレンスを利用して視覚的品質を保ちながら,このオーバーヘッドを軽減する枠組みを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Neural order-independent transparency delivers high-quality rendering of overlapping transparent surfaces, but its geometry passes and network input generation remain costly, particularly on mobile and legacy hardware. We present a spatiotemporal acceleration framework that exploits spatial and temporal coherence to reduce this overhead while preserving visual quality. Spatially, we use adaptive quadtree-based screen-space subdivision to scale geometry pass resolution according to local color variance. Temporally, selected frames reuse the previous transparency result through depth-based reprojection instead of full rendering. Together, these optimizations reduce rendering cost and integrate efficiently into existing real-time rendering pipelines.
• Abstract（参考訳）: ニューラルネットワークの順序に依存しない透明性は、重なり合う透明表面の高品質なレンダリングを提供するが、その幾何学的パスとネットワーク入力生成は、特にモバイルおよびレガシーハードウェアにおいてコストがかかる。 本稿では,空間的・時間的コヒーレンスを利用して視覚的品質を保ちながら,このオーバーヘッドを軽減する時空間加速度フレームワークを提案する。 空間的には、局所的な色のばらつきに応じて幾何学的パス分解能を拡大するために、適応的なクワッドツリーベースのスクリーン空間分割を用いる。 時として、選択されたフレームは、完全なレンダリングではなく、奥行きに基づく再投影を通じて、以前の透明性結果を再利用する。 これらの最適化は、レンダリングコストを削減し、既存のリアルタイムレンダリングパイプラインに効率的に統合する。

関連論文リスト

• Lightweight Real-Time Rendering Parameter Optimization via XGBoost-Driven Lookup Tables [0.0]
  textbfLUT-Optは、適応的なフレーム単位のレンダリングパラメータ最適化のための軽量で汎用的なフレームワークである。 提案手法は,レンダリング時間と画質の同時最適化をトラクタブルな2段パイプラインに分解する。
  論文  参考訳（メタデータ） (2026-04-28T03:37:24Z)
• RenderFlow: Single-Step Neural Rendering via Flow Matching [17.56739408578129]
  本稿では,フローマッチングパラダイムに基づいて構築された,エンドツーエンド,決定論的,単一ステップのニューラルレンダリングフレームワークRenderFlowを提案する。 本手法はレンダリング処理を大幅に高速化し,出力の物理的妥当性と全体的な視覚的品質を向上する。 結果として得られるパイプラインは、フォトリアリスティックなレンダリング品質でほぼリアルタイムのパフォーマンスを実現し、現代の生成モデルの効率と従来の物理ベースのレンダリングの精度とのギャップを効果的に埋める。
  論文  参考訳（メタデータ） (2026-01-11T14:28:46Z)
• Wavelet-Space Representations for Neural Super-Resolution in Rendering Pipelines [0.0]
  本稿では,RGB値を直接回帰するのではなく,定常ウェーブレット係数を予測する定式化を導入する。 ウェーブレットドメイン・ニューラル超解像は、高画質リアルタイムレンダリングへの原則的かつ効率的な経路を提供する。
  論文  参考訳（メタデータ） (2025-08-22T01:01:44Z)
• REFRAME: Reflective Surface Real-Time Rendering for Mobile Devices [51.983541908241726]
  本研究は,様々な場面にまたがる反射面に対して,リアルタイムな新規ビュー合成を実現するための課題に取り組む。 既存のリアルタイムレンダリング手法、特にメッシュに基づくレンダリングは、リッチなビュー依存の外観を持つモデリングサーフェスにおいて、サブパーパフォーマンスを持つことが多い。 色を拡散およびスペクトルに分解し、ニューラル環境マップに基づいて反射方向のスペクトル色をモデル化する。
  論文  参考訳（メタデータ） (2024-03-25T07:07:50Z)
• VoxNeRF: Bridging Voxel Representation and Neural Radiance Fields for Enhanced Indoor View Synthesis [73.50359502037232]
  VoxNeRFは、ニューラル室内再構成と新しいビュー合成の質と効率を高めるための新しいアプローチである。 本稿では,最も関連性の高い領域に計算資源を割り当てる効率的なボクセル誘導サンプリング手法を提案する。 私たちのアプローチは、ScanNetとScanNet++に関する広範な実験で検証されています。
  論文  参考訳（メタデータ） (2023-11-09T11:32:49Z)
• SteerNeRF: Accelerating NeRF Rendering via Smooth Viewpoint Trajectory [20.798605661240355]
  本稿では,2次元ニューラルネットワークを用いたレンダリングの高速化手法を提案する。 まず、ボリュームレンダリングにより低解像度の特徴マップを描画し、続いて、軽量な2Dニューラルを適用して、目標解像度で画像を生成する。 提案手法は,メモリオーバーヘッドを少なくしてレンダリング時間を短縮し,メモリフットプリントの少ない1080P画像解像度で30FPSを実現することで,競争力のあるレンダリング品質を実現することができることを示す。
  論文  参考訳（メタデータ） (2022-12-15T00:02:36Z)
• Decoupled Spatial-Temporal Transformer for Video Inpainting [77.8621673355983]
  ビデオは、特定の穴をリアルな外観で埋めることを目指していますが、豊かなディープラーニングアプローチでも依然として難しい作業です。 最近の研究は、将来有望なTransformerアーキテクチャをディープビデオのインペイントに導入し、より良いパフォーマンスを実現している。 ビデオインペインティングを優れた効率で改善するため、DSTT(Decoupled Spatial-Temporal Transformer)を提案します。
  論文  参考訳（メタデータ） (2021-04-14T05:47:46Z)
• Progressive Temporal Feature Alignment Network for Video Inpainting [51.26380898255555]
  ビデオ畳み込みは、時間内「破損した地域」に可能な内容で埋めることを目指しています。 現在の方法は、注意、フローベースのワープ、あるいは3次元時間的畳み込みによってこの目標を達成する。 現在のフレームから抽出された特徴を、隣接するフレームから歪んだ特徴で段階的に強化する「プログレッシブ・テンポラリティ・アライメント・ネットワーク」を提案します。
  論文  参考訳（メタデータ） (2021-04-08T04:50:33Z)
• Object-based Illumination Estimation with Rendering-aware Neural Networks [56.01734918693844]
  個々の物体とその局所画像領域のRGBD外観から高速環境光推定手法を提案する。 推定照明により、仮想オブジェクトは実際のシーンと一貫性のあるシェーディングでARシナリオでレンダリングできる。
  論文  参考訳（メタデータ） (2020-08-06T08:23:19Z)

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。