論文の概要: Scene Parameter Saliency via Differentiable Light Transport
- arxiv url: http://arxiv.org/abs/2607.21562v1
- Date: Thu, 23 Jul 2026 17:46:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-24 18:26:25.508564
- Title: Scene Parameter Saliency via Differentiable Light Transport
- Title（参考訳）: 微分光輸送によるシーンパラメータの相似性
- Abstract要約: 勾配に基づく唾液度法は、どの入力特徴が最もニューラルネットワークの出力に影響を与えるかを明らかにする。
定性的に異なる目的に対して,メートル法サリエンシマップを計算する。
以上の結果から,識別可能画像はシーン理解に有益である派生画像を生成できることが示唆された。
- 参考スコア（独自算出の注目度）: 0.4125187280299247
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Gradient-based saliency methods reveal which input features most influence a neural network's output, and are a standard tool for model interpretability. We observe that differentiable renderers, which are conventionally used for parameter optimisation, produce an analogous form of saliency: given any scalar metric evaluated on a rendered image, a single reverse-mode differentiation pass yields per-parameter gradients that identify which scene elements most influence the metric. We call these gradient fields metric saliency maps. Unlike neural saliency, which propagates attribution through learned weights, metric saliency propagates through the image formation process itself, including multi-bounce light transport, capturing parameter dependencies that are semi-opaque to manual inspection. We compute metric saliency maps for qualitatively different objectives: psychovisual glare indices, mean scene luminance, and neural perceptual scores. The saliency rankings differ substantially across metrics for the same scene, with parameters that dominate one objective being negligible for another. The saliency map is specific to the metric, not an intrinsic property of the scene. Our results suggest that differentiable renderers produce derivative images that are as informative for scene understanding as the primal images they were designed to generate.
- Abstract（参考訳）: グラディエントベースのサリエンシ手法は、どの入力特徴が最もニューラルネットワークの出力に影響を与えるかを明らかにし、モデル解釈可能性の標準ツールである。
我々は,従来パラメータ最適化に用いられてきた微分可能なレンダラが類似したサリエンシを生成することを観察した。レンダリング画像上で評価された任意のスカラー計量が与えられた場合,単一の逆モード微分パスは,どのシーン要素が指標に最も影響するかを識別するパラメータ勾配毎に生成する。
これらの勾配場を計量塩分度写像と呼ぶ。
学習した重みを通して帰属を伝播するニューラルサリエンシとは異なり、メートル法サリエンシは画像形成プロセス自体を通じて伝播し、マルチバウンス光輸送、手動検査に不適なパラメータ依存をキャプチャする。
定性的に異なる目的(心理視覚のグラア指数、シーンの輝度の平均、神経知覚スコア)のメトリクス・サリエンシ・マップを計算した。
正当性ランキングは、同じシーンのメトリクスで大きく異なり、別のシーンでは無視できない1つの目的に支配されるパラメータがある。
サリエンシマップはメートル法に特有であり、シーンの本質的な性質ではない。
以上の結果から, 微分可能なレンダラは, 生成する主画像と同じくらい, シーン理解に有益な微分画像を生成することが示唆された。
関連論文リスト
- Learn to Rank: Visual Attribution by Learning Importance Ranking [58.69028273772474]
コンピュータビジョンモデルのための視覚属性マップを生成する新しい手法を提案する。
提案手法は, 任意の数段階の勾配補正を施した1つの前方通過において, 密度の高い画素レベルの属性を生成する。
我々の実験は、一貫した定量的改善と、よりシャープで境界に沿った説明を示す。
論文 参考訳（メタデータ） (2026-04-07T12:53:22Z) - Learning to Weight Parameters for Training Data Attribution [62.830878652285406]
本稿では,アノテートラベルを必要とせず,パラメータ重み付けをデータから直接明示的に学習する手法を提案する。
提案手法は,画像分類,言語モデリング,拡散など多種多様なタスクに対する帰属精度を向上し,主題やスタイルといった概念に対する微粒な帰属を可能にする。
論文 参考訳（メタデータ） (2025-06-06T00:32:04Z) - Locally Orderless Images for Optimization in Differentiable Rendering [80.09571356394574]
そこで我々は,各画素が局所的な変化を保った強度のヒストグラムにマッピングする,局所的な秩序のない画像を利用する手法を提案する。
合成データと実データの両方を用いて,様々な逆問題に対する本手法の有効性を検証した。
論文 参考訳（メタデータ） (2025-03-27T19:17:58Z) - BELE: Blur Equivalent Linearized Estimator [0.8192907805418581]
本稿では, テクスチャ歪みによるエッジ劣化による知覚効果と, テクスチャ歪みによるエッジ劣化による知覚効果を分離する新しいパラメトリックモデルを提案する。
ひとつはBlur Equivalent Linearized Estimatorで、強みと孤立したエッジのぼかしを測定するように設計されている。
2つ目は複雑なピーク信号-雑音比であり、テクスチャ領域に影響を及ぼす歪みを評価する。
論文 参考訳（メタデータ） (2025-03-01T14:19:08Z) - Materialist: Physically Based Editing Using Single-Image Inverse Rendering [47.85234717907478]
マテリアルスト(Materist)は、学習に基づくアプローチと物理的にベースとしたプログレッシブ・差別化可能なレンダリングを組み合わせる方法である。
我々のアプローチは、マテリアル編集、オブジェクト挿入、リライトなど、幅広いアプリケーションを可能にする。
実験は、合成および実世界のデータセット間で強力なパフォーマンスを示す。
論文 参考訳（メタデータ） (2025-01-07T11:52:01Z) - Data Augmentation via Latent Diffusion for Saliency Prediction [67.88936624546076]
残差予測モデルはラベル付きデータの限られた多様性と量によって制約される。
本研究では,実世界のシーンの複雑さと変動性を保ちながら,自然画像の編集を行うディープ・サリエンシ・予測のための新しいデータ拡張手法を提案する。
論文 参考訳（メタデータ） (2024-09-11T14:36:24Z) - COSE: A Consistency-Sensitivity Metric for Saliency on Image
Classification [21.3855970055692]
本稿では,画像分類タスクにおいて,視覚の先行値を用いてサリエンシ手法の性能を評価する指標について述べる。
しかし,ほとんどの手法では,畳み込みモデルよりもトランスフォーマーモデルの方がよく説明できる。
論文 参考訳（メタデータ） (2023-09-20T01:06:44Z) - DisPositioNet: Disentangled Pose and Identity in Semantic Image
Manipulation [83.51882381294357]
DisPositioNetは、シーングラフを用いた画像操作のタスクに対して、各オブジェクトのアンタングル表現を学習するモデルである。
我々のフレームワークは、グラフ内の特徴表現と同様に、変分潜在埋め込みの切り離しを可能にする。
論文 参考訳（メタデータ） (2022-11-10T11:47:37Z) - Unsupervised Learning Facial Parameter Regressor for Action Unit
Intensity Estimation via Differentiable Renderer [51.926868759681014]
骨駆動型顔モデル(BDFM)に基づいて,異なる視点で顔パラメータを予測する枠組みを提案する。
提案するフレームワークは,特徴抽出器,ジェネレータ,顔パラメータ回帰器から構成される。
論文 参考訳（メタデータ） (2020-08-20T09:49:13Z) - Image Quality Assessment: Unifying Structure and Texture Similarity [38.05659069533254]
テクスチャリサンプリングに対する耐性を明示した,最初のフル参照画像品質モデルを開発した。
畳み込みニューラルネットワークを用いて、画像をオーバーコンプリート表現に変換するインジェクティブで微分可能な関数を構築する。
論文 参考訳（メタデータ） (2020-04-16T16:11:46Z) - Beyond Photometric Consistency: Gradient-based Dissimilarity for
Improving Visual Odometry and Stereo Matching [46.27086269084186]
本稿では,光度誤差の考え方に基づく画像の登録のための新しい指標について検討する。
ステレオ推定とビジュアルオドメトリーシステムの両方に統合し、典型的な相違と直接画像登録タスクに明確な利点を示す。
論文 参考訳（メタデータ） (2020-04-08T16:13:25Z)
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。