論文の概要: EDoF-NeRF: extended depth-of-field neural radiance fields using a coded aperture camera

• arxiv url: http://arxiv.org/abs/2606.18826v1
• Date: Wed, 17 Jun 2026 08:56:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-18 17:16:51.074042
• Title: EDoF-NeRF: extended depth-of-field neural radiance fields using a coded aperture camera
• Title（参考訳）: 符号化開口カメラを用いたEDoF-NeRF拡張深度神経放射場
• Authors: Yoshiyuki Shirasaki, Ryoichi Horisaki,
• Abstract要約: 我々は、高忠実性ニューラル放射場(NeRF)を構築するためにフィールド深度(DoF)を拡張する方法を提案する。 NeRFは、異なる視点で撮影された画像のデータセットから新しいビューをレンダリングする新しいテクニックである。 我々は、符号化開口をNeRFに組み込んだカメラモデルを構築し、符号化画像の直接入力を可能にする。
• 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: We propose a method for extending the depth-of-field (DoF) to construct high-fidelity neural radiance fields (NeRF) -- an emerging technique for rendering photorealistic novel views from a dataset of images captured at different viewpoints, based on implicit neural representations. The trade-off between DoF and light quantity is inherent not only in conventional cameras but also in NeRF, since the datasets used by NeRF are captured by these cameras. To address this issue, we introduce a coded aperture placed at the camera pupil, preserving spatial frequency components under defocused conditions. We develop a camera model incorporating coded apertures into NeRF, allowing direct input of coded images and enabling the generation of novel views with an extended DoF. We validate the proposed method, termed extended DoF-NeRF (EDoF-NeRF), through simulations and experiments, demonstrating its superior performance compared to conventional aperture cameras.
• Abstract（参考訳）: 暗黙的なニューラル表現に基づいて、異なる視点で撮影された画像のデータセットから、フォトリアリスティックな新しいビューをレンダリングする新しい技術である、高忠実なニューラルレージアンス場(NeRF)を構築するために、フィールドの深さ(DoF)を拡張する方法を提案する。 DoFと光量のトレードオフは、従来のカメラだけでなく、NeRFが使用するデータセットがこれらのカメラによってキャプチャされるため、NeRFにも固有のものである。 この問題に対処するため,デフォーカス条件下での空間周波数成分を保存するために,カメラの瞳孔に符号付き開口部を設置した。 我々は、符号化開口をNeRFに組み込んだカメラモデルを開発し、符号化された画像を直接入力し、拡張されたDoFで新しいビューを生成する。 提案手法は,従来の開口カメラに比べて優れた性能を示し,シミュレーションと実験により拡張DoF-NeRF (EDoF-NeRF) と呼ばれる手法を検証した。

関連論文リスト

• Exploiting Deblurring Networks for Radiance Fields [12.4982871657283]
  我々は、ぼやけたトレーニングビューから高品質な新規ビューを合成できる新しい放射場デブロアリングアプローチであるDeepDeblurRFを提案する。 我々は,DeepDeblurRFが,トレーニング時間を大幅に短縮して,最先端のノベルビュー合成品質を達成できることを実証し,カメラモーションのぼかしとデフォーカスのぼかしの両方について広範な実験を行った。
  論文  参考訳（メタデータ） (2025-02-20T11:11:18Z)
• CF-NeRF: Camera Parameter Free Neural Radiance Fields with Incremental Learning [23.080474939586654]
  我々は、新しいアンダーラインカメラパラメーターUnderlinefree Neural Radiance Field (CF-NeRF)を提案する。 CF-NeRFは3次元表現を漸進的に再構成し、動きからインクリメンタル構造にインスパイアされたカメラパラメータを復元する。 その結果、CF-NeRFはカメラ回転に頑健であり、事前情報や制約を伴わずに最先端の結果が得られることを示した。
  論文  参考訳（メタデータ） (2023-12-14T09:09:31Z)
• AltNeRF: Learning Robust Neural Radiance Field via Alternating Depth-Pose Optimization [25.44715538841181]
  AltNeRFは、既知のカメラのポーズに頼ることなく、回復力のあるNeRF表現を作成するように設計された新しいフレームワークである。 我々は、NeRF出力を調和して融合させる交互アルゴリズムを導入する。 SMDEは、コンデンス駆動のメカニズムにより拡張される。 深度事前の整合性 実験では、高忠実でロバストな新奇なビューを生成する上で、AltNeRFの魅力的な能力を示す。
  論文  参考訳（メタデータ） (2023-08-19T12:41:35Z)
• MS-NeRF: Multi-Space Neural Radiance Fields [48.0367339199913]
  既存のニューラルレイディアンス場(NeRF)法は反射物体の存在に悩まされ、しばしばぼやけたレンダリングをもたらす。 並列部分空間における特徴場の群を用いてシーンを表現するマルチスペースニューラルレイディアンス場(MS-NeRF)を提案する。 提案手法は,高品質シーンのレンダリングにおいて,既存の単一空間NeRF法よりも優れていた。
  論文  参考訳（メタデータ） (2023-05-07T13:11:07Z)
• CLONeR: Camera-Lidar Fusion for Occupancy Grid-aided Neural Representations [77.90883737693325]
  本稿では,スパース入力センサビューから観測される大規模な屋外運転シーンをモデル化することで,NeRFを大幅に改善するCLONeRを提案する。 これは、NeRFフレームワーク内の占有率と色学習を、それぞれLiDARとカメラデータを用いてトレーニングされた個別のMulti-Layer Perceptron(MLP)に分離することで実現される。 さらに,NeRFモデルと平行に3D Occupancy Grid Maps(OGM)を構築する手法を提案し,この占有グリッドを利用して距離空間のレンダリングのために線に沿った点のサンプリングを改善する。
  論文  参考訳（メタデータ） (2022-09-02T17:44:50Z)
• DoF-NeRF: Depth-of-Field Meets Neural Radiance Fields [23.125182292913003]
  そこで我々は,Def-NeRFを導入し,Def効果をシミュレートする新しいニューラルネットワーク手法を提案する。 DoF-NeRFは、明示的な開口モデリングから恩恵を受け、仮想開口と焦点パラメータを調整することで、DoF効果を直接操作できる。 合成および実世界のデータセットの実験により、DoF-NeRFは、オールインフォーカス設定でNeRFと互換性があるだけでなく、浅いDoF入力で条件付けられたオールインフォーカスの新規ビューを合成できることが示されている。
  論文  参考訳（メタデータ） (2022-08-01T15:53:14Z)
• iNeRF: Inverting Neural Radiance Fields for Pose Estimation [68.91325516370013]
  Neural RadianceField(NeRF)を「反転」してメッシュフリーポーズ推定を行うフレームワークiNeRFを紹介します。 NeRFはビュー合成のタスクに極めて有効であることが示されている。
  論文  参考訳（メタデータ） (2020-12-10T18:36:40Z)

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。