論文の概要: A Hybrid Neural-Microfacet BRDF Model for Real-Time Rendering

• arxiv url: http://arxiv.org/abs/2608.09604v1
• Date: Mon, 10 Aug 2026 13:46:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-11 19:16:37.292088
• Title: A Hybrid Neural-Microfacet BRDF Model for Real-Time Rendering
• Title（参考訳）: リアルタイムレンダリングのためのハイブリッドニューラルネットワークBRDFモデル
• Abstract要約: 本稿では,GGX型マイクロファセットモデルとニューラルモデルを組み合わせたハイブリッドモデルを提案する。 我々のモデルは、評価オーバーヘッドを低くするために、最先端のニューラルモデルよりも良い測定値を近似する。
• 参考スコア（独自算出の注目度）: 1.9678554294202677
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Over the past decade, microfacet-based BRDF models have formed the foundation of real-time rendering pipelines. Despite their widespread use, they often fail to reproduce subtle appearance effects arising from complex light-surface interactions, which have led to the emergence of specialized physics-based models for specific optical phenomena (e.g., diffraction, iridescence, multilayers). Although more accurate, these models lose versatility and lack performance for real-time rendering. Recently introduced, neural models have demonstrated their ability to approximate BRDF reference data coming from measurements, simulations, or even complex shading networks. However, most current neural models require relatively large networks, making them costly for real-time rendering. In this paper, we introduce a hybrid model that combines a GGX-type microfacet model and a neural model to leverage the best features of both representations. The neural component corrects the appearance approximated by the microfacet component, allowing much smaller network than in existing neural models. We show that, at identical memory cost, our model approximates measurements better than state-of-the-art neural models for a low evaluation overhead compared to a microfacet-based model. Furthermore, our hybrid model remains easily editable by artists and benefits from an important sampling scheme, making it attractive for both offline and real-time rendering.
• Abstract（参考訳）: 過去10年間、マイクロファセットベースのBRDFモデルはリアルタイムレンダリングパイプラインの基礎を形成してきた。 広く使われているにもかかわらず、複雑な光-表面相互作用から生じる微妙な外観効果を再現できず、特定の光学現象(例えば、回折、イリドネッセンス、多層膜)の特別な物理モデルが出現した。 より正確ではあるが、これらのモデルは汎用性を失い、リアルタイムレンダリングのパフォーマンスが欠落している。 最近導入されたニューラルモデルは、測定、シミュレーション、さらには複雑なシェーディングネットワークから来るBRDF参照データを近似する能力を示している。 しかし、現在のほとんどのニューラルネットワークモデルは比較的大きなネットワークを必要とするため、リアルタイムレンダリングにはコストがかかる。 本稿では,GGX型マイクロファセットモデルとニューラルモデルを組み合わせたハイブリッドモデルを提案する。 ニューラルコンポーネントはマイクロファセットコンポーネントによって近似された外観を補正し、既存のニューラルモデルよりもはるかに小さなネットワークを可能にする。 メモリコストが同じである場合,我々のモデルは,マイクロファセットモデルと比較して評価オーバーヘッドが低いため,最先端のニューラルモデルよりも測定精度がよいことを示す。 さらに、我々のハイブリッドモデルは、アーティストによる編集が容易であり、重要なサンプリングスキームの恩恵を受けており、オフラインとリアルタイムのレンダリングの両方に魅力的です。

関連論文リスト

• Probabilistic Modeling of Spiking Neural Networks with Contract-Based Verification [3.169837971782123]
  スパイキングニューラルネットワーク(SNN)は「現実的な」計算のモデルである。 SNNは、神経細胞の反応性活性化/応答の時間遅延(およびおそらくは確率)に焦点を当てている。
  論文  参考訳（メタデータ） (2025-06-16T10:30:16Z)
• Variational autoencoder-based neural network model compression [4.992476489874941]
  変分オートエンコーダ(VAE)は、深部生成モデルの一種であり、近年広く使われている。 本稿では,VAEに基づくニューラルネットワークモデル圧縮手法について検討する。
  論文  参考訳（メタデータ） (2024-08-25T09:06:22Z)
• HybridNeRF: Efficient Neural Rendering via Adaptive Volumetric Surfaces [71.1071688018433]
  ニューラル放射場は、最先端のビュー合成品質を提供するが、レンダリングが遅くなる傾向がある。 本稿では,ほとんどの物体を表面としてレンダリングすることで,両表現の強みを生かしたHybridNeRFを提案する。 仮想現実分解能(2Kx2K)のリアルタイムフレームレート(少なくとも36FPS)を達成しながら、エラー率を15～30%改善する。
  論文  参考訳（メタデータ） (2023-12-05T22:04:49Z)
• On the balance between the training time and interpretability of neural ODE for time series modelling [77.34726150561087]
  本稿は,現代のニューラルODEを,時系列モデリングアプリケーションのためのより単純なモデルに還元することはできないことを示す。 ニューラルODEの複雑さは、従来の時系列モデリングツールと比較されるか、超える。 本稿では,ニューラルネットワークとODEシステムを用いた時系列モデリングの新しい視点を提案する。
  論文  参考訳（メタデータ） (2022-06-07T13:49:40Z)
• Neural Basis Models for Interpretability [33.51591891812176]
  一般化加法モデル(GAMs)は本質的に解釈可能なモデルのクラスである。 形状関数の基底分解を利用するGAMの全く新しいサブファミリーを提案する。 少数の基底関数はすべての機能で共有され、与えられたタスクに対して共同で学習される。
  論文  参考訳（メタデータ） (2022-05-27T17:31:19Z)
• Real-time Neural-MPC: Deep Learning Model Predictive Control for Quadrotors and Agile Robotic Platforms [59.03426963238452]
  モデル予測制御パイプライン内の動的モデルとして,大規模で複雑なニューラルネットワークアーキテクチャを効率的に統合するフレームワークであるReal-time Neural MPCを提案する。 ニューラルネットワークを使わずに、最先端のMPCアプローチと比較して、位置追跡誤差を最大82%削減することで、実世界の問題に対する我々のフレームワークの実現可能性を示す。
  論文  参考訳（メタデータ） (2022-03-15T09:38:15Z)
• Real-time Human Detection Model for Edge Devices [0.0]
  畳み込みニューラルネットワーク(CNN)は、検出と分類タスクにおいて、従来の特徴抽出と機械学習モデルを置き換える。 最近、リアルタイムタスクのために軽量CNNモデルが導入されている。 本稿では,Raspberry Piのような限られたエッジデバイスに適合するCNNベースの軽量モデルを提案する。
  論文  参考訳（メタデータ） (2021-11-20T18:42:17Z)
• Closed-form Continuous-Depth Models [99.40335716948101]
  連続深度ニューラルモデルは高度な数値微分方程式解法に依存している。 我々は,CfCネットワークと呼ばれる,記述が簡単で,少なくとも1桁高速な新しいモデル群を提示する。
  論文  参考訳（メタデータ） (2021-06-25T22:08:51Z)
• Sparse Flows: Pruning Continuous-depth Models [107.98191032466544]
  生成モデルにおいて,プルーニングによりニューラルネットワークの一般化が向上することを示す。 また、プルーニングは、元のネットワークに比べて最大98%少ないパラメータで、精度を損なうことなく、最小かつ効率的なニューラルODE表現を見出すことを示した。
  論文  参考訳（メタデータ） (2021-06-24T01:40:17Z)
• Hybrid modeling: Applications in real-time diagnosis [64.5040763067757]
  我々は、機械学習にインスパイアされたモデルと物理モデルを組み合わせた、新しいハイブリッドモデリングアプローチの概要を述べる。 このようなモデルをリアルタイム診断に利用しています。
  論文  参考訳（メタデータ） (2020-03-04T00:44:57Z)

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。