論文の概要: Neural Texture Compression using Hypernetworks

• arxiv url: http://arxiv.org/abs/2606.26913v1
• Date: Thu, 25 Jun 2026 11:52:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 18:46:32.260617
• Title: Neural Texture Compression using Hypernetworks
• Title（参考訳）: Hypernetworks を用いたニューラルテクスチャ圧縮
• Abstract要約: シェーディング中にリアルタイムでデコードできる、小さな、材料ごとのテクスチャ表現を学習することができる。 私たちは、潜伏する特徴とシェーディングの重みとバイアスの両方を出力する単一のハイパーネットワークをトレーニングします。 このアプローチを拡張して、複数のデコーダを一度に推論したり、超解像を学習するデコーダを生成する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent work on neural texture compression has demonstrated that it is possible to learn small, per-material texture representations (composed of latent textures and a small Multi-Layer Perceptron decoder) that can be decoded in real-time during shading to reproduce the input to a physically based shading model. However, existing methods require performing gradient-descent optimization per material for a given MLP and latent configuration. In this work, we train a single hypernetwork that outputs both the latent features and the MLP's weights and biases. Though the solution space is high-dimensional, this approach produces results comparable in quality to the current reference neural texture compressors. We further extend this approach to infer multiple decoders at once or even produce decoders that learn super-resolution.
• Abstract（参考訳）: ニューラルテクスチャ圧縮に関する最近の研究は,シェーディング中にリアルタイムで復号し,物理的シェーディングモデルへの入力を再現できる,小さな,テクスチャ単位のテクスチャ表現(潜時テクスチャとマルチ層パーセプトロンデコーダで構成された)を学習できることを実証している。 しかし、既存の手法では、与えられたMLPおよび潜時構成に対して、材料毎の勾配-蛍光最適化を行う必要がある。 この研究では、潜伏する特徴とMDPの重みとバイアスの両方を出力する単一のハイパーネットワークを訓練する。 解空間は高次元であるが、この手法は現在の参照ニューラルテクスチャ圧縮機に匹敵する品質が得られる。 このアプローチをさらに拡張して、複数のデコーダを一度に推論したり、超解像を学習するデコーダを生成したりする。

関連論文リスト

• Multi-Scale Invertible Neural Network for Wide-Range Variable-Rate Learned Image Compression [90.59962443790593]
  本稿では,制限を克服するために,可逆変換に基づく可変レート画像圧縮モデルを提案する。 具体的には、入力画像をマルチスケールの潜在表現にマッピングする、軽量なマルチスケール非可逆ニューラルネットワークを設計する。 実験結果から,提案手法は既存の可変レート法と比較して最先端性能を実現することが示された。
  論文  参考訳（メタデータ） (2025-03-27T09:08:39Z)
• N-BVH: Neural ray queries with bounding volume hierarchies [51.430495562430565]
  3Dコンピュータグラフィックスでは、シーンのメモリ使用量の大部分がポリゴンとテクスチャによるものである。 N-BVHは3次元の任意の光線クエリに応答するように設計されたニューラル圧縮アーキテクチャである。 本手法は, 視認性, 深度, 外観特性を忠実に近似する。
  論文  参考訳（メタデータ） (2024-05-25T13:54:34Z)
• Neural Graphics Texture Compression Supporting Random Access [34.974631096947284]
  本稿では,従来のGPUテクスチャ表現とNIC技術を統合したテクスチャセット圧縮手法を提案する。 本稿では、畳み込みエンコーダを用いた非対称自動エンコーダフレームワークを提案する。 実験により,従来のテクスチャ圧縮よりも優れた結果が得られた。
  論文  参考訳（メタデータ） (2024-05-06T19:44:13Z)
• Real-Time Neural Materials using Block-Compressed Features [0.8520624117635328]
  本稿では、リアルタイムレンダリングパイプラインで使用するように設計された特徴量とデコーダを備えたニューラルマテリアルモデルを提案する。 我々のフレームワークはハードウェアベースのブロック圧縮(BC)テクスチャフォーマットを利用して学習した特徴を記憶し、そのモデルに空間と規模で連続的に材料情報を出力するように訓練する。
  論文  参考訳（メタデータ） (2023-10-26T07:45:58Z)
• NeuManifold: Neural Watertight Manifold Reconstruction with Efficient and High-Quality Rendering Support [43.5015470997138]
  マルチビュー入力画像から高品質な水密多様体メッシュを生成する手法を提案する。 提案手法は両世界の利点を組み合わせ, ニューラルネットワークから得られる幾何学と, よりコンパクトな神経テクスチャ表現を最適化する。
  論文  参考訳（メタデータ） (2023-05-26T17:59:21Z)
• RADAM: Texture Recognition through Randomized Aggregated Encoding of Deep Activation Maps [12.35895883721336]
  textbfAggregated textbfDeep textbfActivation textbfMaps (RADAM) の textbfRandom 符号化法を提案する。 RADAMはバックボーンを変更することなくリッチなテクスチャ表現を抽出する。 以上の結果から,事前学習したバックボーンは,学習した表現がよりうまく符号化された場合,テクスチャ認識のための微調整を必要としない可能性が示唆された。
  論文  参考訳（メタデータ） (2023-03-08T13:09:03Z)
• A geometrically aware auto-encoder for multi-texture synthesis [1.2891210250935146]
  マルチテクスチャ合成のための自動エンコーダアーキテクチャを提案する。 画像はコンパクトで幾何学的に整合した潜在空間に埋め込まれる。 テクスチャ合成とタスクは、これらの潜在コードから直接実行することができる。
  論文  参考訳（メタデータ） (2023-02-03T09:28:39Z)
• Variable Bitrate Neural Fields [75.24672452527795]
  本稿では,特徴格子を圧縮し,メモリ消費を最大100倍に削減する辞書手法を提案する。 辞書の最適化をベクトル量子化オートデコーダ問題として定式化し、直接監督できない空間において、エンドツーエンドの離散神経表現を学習する。
  論文  参考訳（メタデータ） (2022-06-15T17:58:34Z)
• Small Lesion Segmentation in Brain MRIs with Subpixel Embedding [105.1223735549524]
  ヒト脳のMRIスキャンを虚血性脳梗塞と正常組織に分割する方法を提案する。 本稿では,空間展開埋め込みネットワークによって予測を導出する標準エンコーダデコーダの形式でニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-09-18T00:21:17Z)
• Dynamic Neural Representational Decoders for High-Resolution Semantic Segmentation [98.05643473345474]
  動的ニューラル表現デコーダ(NRD)と呼ばれる新しいデコーダを提案する。 エンコーダの出力上の各位置がセマンティックラベルの局所的なパッチに対応するので、この研究では、これらの局所的なパッチをコンパクトなニューラルネットワークで表現する。 このニューラル表現により、意味ラベル空間に先行する滑らかさを活用することができ、デコーダをより効率的にすることができる。
  論文  参考訳（メタデータ） (2021-07-30T04:50:56Z)
• Towards Analysis-friendly Face Representation with Scalable Feature and Texture Compression [113.30411004622508]
  普遍的で協調的な視覚情報表現は階層的な方法で実現できることを示す。 ディープニューラルネットワークの強力な生成能力に基づいて、基本特徴層と強化層の間のギャップは、特徴レベルのテクスチャ再構築によってさらに埋められる。 提案するフレームワークの効率を改善するために,ベース層ニューラルネットワークをマルチタスクでトレーニングする。
  論文  参考訳（メタデータ） (2020-04-21T14:32:49Z)

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。