論文の概要: A Query-Efficient Stochastic Volume Rendering Framework for Time-Varying Implicit Neural Volumes
- arxiv url: http://arxiv.org/abs/2607.28047v1
- Date: Thu, 30 Jul 2026 11:27:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-31 21:37:00.527213
- Title: A Query-Efficient Stochastic Volume Rendering Framework for Time-Varying Implicit Neural Volumes
- Title（参考訳）: 時間変化型インシデントニューラルボリュームのためのクエリ効率の良い確率的ボリュームレンダリングフレームワーク
- Authors: Alper Sahistan, Haichao Miao, Zhimin Li, Peer-Timo Bremer, Joshua A Levine, Valerio Pascucci,
- Abstract要約: 時間変化型暗黙的神経表現(INR)は、科学的ボリュームのコンパクトな表現を提供する。
INRはデータを表現する唯一の実用的な方法である。
デルタトラッキングに基づく問合せ効率の高いボリュームレンダリングフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 18.14414428131909
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Time-varying implicit neural representations (INRs) provide a compact representation of scientific volumes and, for modalities such as dynamic X-ray computed tomography (CT), are often the only practical way to represent the data. However, interactive volume rendering of INRs is challenging, as cheap memory lookups are replaced by expensive neural inferences, hindering the performance. Therefore, conventional volume rendering methods such as ray marching with dense sampling are often impractical. While resampling, caching, and retraining can mitigate this cost, they compromise convenience and accuracy and become impractical for time-varying data. We tackle these challenges using a query-efficient stochastic volume rendering framework based on delta tracking. Our system employs a four-stage pipeline that exploits heterogeneous parallelism, using ray tracing cores for traversal and tensor cores for batched neural evaluation. Furthermore, we present strategies to reduce INR queries via ray budgeting and query pruning, thereby increasing per-frame performance. Using our renderer, many time-varying INRs can be rendered directly from their original representation. The system achieves ~30-40 FPS at 1024x1024 resolution on an RTX 4090 GPU and converges to high-fidelity images. Moreover, the system enables interactive temporal exploration of the continuous domain, with timestep updates taking approximately 1-2 ms.
- Abstract（参考訳）: 時間変化型暗黙的神経表現(INR)は、科学的ボリュームのコンパクトな表現を提供し、動的X線CT(Dynamic X-ray Computed Tomography)のようなモダリティは、しばしばデータを表現する唯一の実用的な方法である。
しかし、安価なメモリルックアップを高価なニューラルネットワークに置き換えることで性能を損なうため、INRの対話的なボリュームレンダリングは困難である。
したがって、高密度サンプリングによるレイマーキングのような従来のボリュームレンダリング手法は、しばしば実用的ではない。
再サンプリング、キャッシュ、再トレーニングは、このコストを軽減することができるが、利便性と精度を損なうとともに、時間変化データにとって実用的ではない。
デルタトラッキングに基づくクエリ効率の確率的ボリュームレンダリングフレームワークを用いて,これらの課題に対処する。
我々のシステムは、異種並列性を利用する4段階のパイプラインを使用し、レイトレーシングコアをトラバースコアとテンソルコアに使用し、バッチ化されたニューラル評価を行う。
さらに、レイ予算化とクエリプルーニングによりINRクエリを削減し、フレーム単位の性能を向上する戦略を提案する。
我々のレンダラーを使って、多くの時間変化INRを元の表現から直接レンダリングすることができる。
このシステムは、RTX 4090 GPU上で1024x1024の解像度で30-40 FPSを達成し、高忠実度画像に収束する。
さらに,このシステムでは,時間経過の更新に約1～2msを要し,連続領域の対話的時間探索を可能にする。
関連論文リスト
- Adaptive Time-step Training for Enhancing Spike-Based Neural Radiance Fields [6.66530903309279]
PATA(Pretrain-Adaptive Time-step Adjustment)と呼ばれる動的時間ステップトレーニング戦略を備えたスパイクベースのNeRFフレームワークを提案する。
PATAはレンダリングの忠実さを保ちつつ、推論時間ステップを64%減らし、電力を61.55%減らすことができることを示す。
論文 参考訳（メタデータ） (2025-07-30T18:56:24Z) - 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) - RL-based Stateful Neural Adaptive Sampling and Denoising for Real-Time
Path Tracing [1.534667887016089]
モンテカルロ経路追跡は、現実的な画像合成の強力な手法であるが、低いサンプル数での高レベルのノイズに悩まされている。
本稿では,サンプリング重要度ネットワーク,遅延空間エンコーダネットワーク,デノイザネットワークをエンドツーエンドでトレーニングするフレームワークを提案する。
論文 参考訳（メタデータ） (2023-10-05T12:39:27Z) - HyperINR: A Fast and Predictive Hypernetwork for Implicit Neural
Representations via Knowledge Distillation [31.44962361819199]
Inlicit Neural Representations (INRs)は近年、科学的可視化の分野で大きな可能性を秘めている。
本稿では,コンパクトINRの重みを直接予測できる新しいハイパーネットワークアーキテクチャであるHyperINRを紹介する。
多分解能ハッシュ符号化ユニットのアンサンブルを一斉に利用することにより、INRは最先端の推論性能を得る。
論文 参考訳（メタデータ） (2023-04-09T08:10:10Z) - Re-ReND: Real-time Rendering of NeRFs across Devices [56.081995086924216]
Re-ReNDは、NeRFを標準グラフィックスパイプラインで効率的に処理できる表現に変換することで、リアルタイムのパフォーマンスを実現するように設計されている。
Re-ReNDはレンダリング速度が2.6倍に向上し、最先端技術では品質が損なわれることなく達成できることがわかった。
論文 参考訳（メタデータ） (2023-03-15T15:59:41Z) - HyperTime: Implicit Neural Representation for Time Series [131.57172578210256]
暗黙の神経表現(INR)は、データの正確で解像度に依存しないエンコーディングを提供する強力なツールとして最近登場した。
本稿では、INRを用いて時系列の表現を分析し、再構成精度とトレーニング収束速度の点で異なるアクティベーション関数を比較した。
本稿では,INRを利用して時系列データセット全体の圧縮潜在表現を学習するハイパー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） (2022-08-11T14:05:51Z) - Interactive Volume Visualization via Multi-Resolution Hash Encoding
based Neural Representation [29.797933404619606]
我々は、最新のGPUコアとよく設計されたレンダリングアルゴリズムを用いて、インタラクティブにトレースボリュームニューラル表現(10-60fps)を描画できることを示します。
我々の神経表現は、高忠実性テラセル (PSNR > 30dB) とコンパクト (10-1000倍小さい) でもある。
極端に大規模なボリュームデータをサポートするために、我々は、私たちの神経表現トレーニングをテラスケールにスケールアップできる効率的なコア外のトレーニング戦略も開発しています。
論文 参考訳（メタデータ） (2022-07-23T23:04:19Z) - InfoNeRF: Ray Entropy Minimization for Few-Shot Neural Volume Rendering [55.70938412352287]
ニューラルな暗黙表現に基づく数ショットの新規ビュー合成のための情報理論正規化手法を提案する。
提案手法は,不十分な視点で発生する潜在的な復元の不整合を最小化する。
複数の標準ベンチマークにおいて,既存のニューラルビュー合成手法と比較して一貫した性能向上を実現している。
論文 参考訳（メタデータ） (2021-12-31T11:56:01Z) - Towards Lightweight Controllable Audio Synthesis with Conditional
Implicit Neural Representations [10.484851004093919]
入射神経表現(英語: Implicit Neural representations、INR)は、低次元関数を近似するニューラルネットワークである。
本研究では、音声合成のための生成フレームワークの軽量バックボーンとして、CINR(Conditional Implicit Neural Representations)の可能性に光を当てた。
論文 参考訳（メタデータ） (2021-11-14T13:36:18Z) - Real-time Neural Radiance Caching for Path Tracing [67.46991813306708]
本稿では,パストレーシングによる大域照明のためのリアルタイムなニューラルラディアンスキャッシング手法を提案する。
我々のシステムは、完全にダイナミックなシーンを扱うように設計されており、照明、幾何学、材料に関する仮定は一切ない。
バイアスの少ないコストで大きなノイズ低減効果を示し、多くの難題に対して最先端のリアルタイム性能を報告した。
論文 参考訳（メタデータ） (2021-06-23T13:09:58Z)
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。