論文の概要: Fast Implicit Neural Light Field Representation via Geometric Decomposition and Multi-Resolution Low-Rank Features

• arxiv url: http://arxiv.org/abs/2608.13949v1
• Date: Fri, 14 Aug 2026 04:44:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-17 20:14:29.26886
• Title: Fast Implicit Neural Light Field Representation via Geometric Decomposition and Multi-Resolution Low-Rank Features
• Title（参考訳）: 幾何分解と多解像低ランク特徴による高速インシシシト・ニューラル光場表現
• Abstract要約: 入射神経表現は、試料線座標から高密度光場を再構成するコンパクトで連続的な方法を提供する。 高速光電場再構成は、光電場が強い空間角冗長性と構造的不均一性を持つ高次元信号であるため、依然として困難である。 本稿では,幾何分解と多分解能低ランク特徴に基づく高速暗黙光場表現を提案する。
• 参考スコア（独自算出の注目度）: 5.088590848084556
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Implicit neural representations provide a compact and continuous way to reconstruct dense light fields from sampled ray coordinates. However, fast light field reconstruction remains challenging because a light field is a high-dimensional signal with strong spatial-angular redundancy and structured disparity variations. Directly fitting 4D ray coordinates with a neural network often requires considerable optimization time to recover both view appearance and cross-view consistency. To address this issue, this paper proposes a fast implicit light field representation based on geometric decomposition and multi-resolution low-rank features. The proposed method decomposes a 4D light field into a horizontal disparity plane, a spatial texture plane, and a vertical disparity plane. Each plane is represented by a low-rank structure that combines a low-resolution 2D grid with the element-wise product of two high-resolution 1D line features at multiple resolution levels. The fused features are decoded by a lightweight multilayer perceptron to predict RGB values. Experiments on public light field datasets show that the proposed method achieves competitive reconstruction quality while providing a better trade-off among model parameters, training time, and inference efficiency.
• Abstract（参考訳）: 入射神経表現は、試料線座標から高密度光場を再構成するコンパクトで連続的な方法を提供する。 しかし、光場は強い空間角冗長性と構造的不均一性を持つ高次元信号であるため、高速光場再構成は依然として困難である。 ニューラルネットワークに直接4D線座標を取り付けるには、視界の外観と視線間の整合性の両方を取り戻すのにかなりの最適化時間が必要となることが多い。 この問題に対処するために,幾何分解と多分解能低ランク特徴に基づく高速暗黙光場表現を提案する。 提案手法は, 4次元光場を水平不均質面, 空間テクスチャ面, 垂直不均質面に分解する。 各平面は低解像度の2Dグリッドと高解像度の2つの1Dラインの要素積を複数の解像度レベルで結合する低ランク構造で表される。 融合した特徴は、RGB値を予測するために、軽量な多層パーセプトロンによってデコードされる。 実験結果から,提案手法はモデルパラメータ,トレーニング時間,推論効率のトレードオフを良好に保ちながら,競争力のある再現性を実現することが示された。

関連論文リスト

• UHD Low-Light Image Enhancement via Real-Time Enhancement Methods with Clifford Information Fusion [51.51707075741303]
  幾何学的特徴融合に基づく新しいリアルタイムUHD低照度拡張ネットワークを提案する。 本手法は,1台のコンシューマグレードデバイス上での4K/8K画像に対するミリ秒レベルの推論を実現する。
  論文  参考訳（メタデータ） (2026-04-10T13:47:04Z)
• PolGS++: Physically-Guided Polarimetric Gaussian Splatting for Fast Reflective Surface Reconstruction [76.9760302941819]
  PolGS++は高速反射面再構成のための偏光ガウス散乱フレームワークである。 本稿では,アングル・オブ・ポラライゼーション(AoP)に基づくタンジェント空間の整合性制約を実現するための,奥行き誘導型可視マスク取得機構を提案する。
  論文  参考訳（メタデータ） (2026-03-11T14:11:42Z)
• From Sparse Sensors to Continuous Fields: STRIDE for Spatiotemporal Reconstruction [3.2580743227673694]
  時空間デコーダを用いた高次元空間場を潜時状態にマッピングするフレームワークSTRIDEを提案する。 STRIDEは超高分解能をサポートし、超高分解能をサポートし、ノイズに対して頑健であることを示す。
  論文  参考訳（メタデータ） (2026-02-04T04:39:23Z)
• Lightweight RGB-D Salient Object Detection from a Speed-Accuracy Tradeoff Perspective [54.91271106816616]
  現在のRGB-D法は通常、大規模なバックボーンを利用して精度を向上させるが効率を犠牲にする。 本稿では,軽量RGB-D SODのためのSATNet(Speed-Accuracy Tradeoff Network)を提案する。 深度について,高品質の深度マップを生成するための深度任意のモデルを導入する。 モダリティ融合において,モダリティ間の整合性を検討するために,DAM(Decoupled Attention Module)を提案する。 特徴表現のために,双方向の反転フレームワークを用いたDIRM (Dual Information Representation Module) を開発した。
  論文  参考訳（メタデータ） (2025-05-07T19:37:20Z)
• ProbeSDF: Light Field Probes for Neural Surface Reconstruction [4.0130618054041385]
  SDFベースのディファレンシャルレンダリングフレームワークは、最先端のマルチビュー3次元形状再構成を実現している。 我々は、その中核的な外観モデルを最小限に修正することで、このアプローチの族を再検討する。 この性能は、広く異なる2つの一般的なアプリケーションフィールド上の実データ上で一貫して達成されることを示す。
  論文  参考訳（メタデータ） (2024-12-13T12:18:26Z)
• AniSDF: Fused-Granularity Neural Surfaces with Anisotropic Encoding for High-Fidelity 3D Reconstruction [55.69271635843385]
  AniSDF(AniSDF)は,高忠実度3次元再構成のための物理に基づく符号化による融合粒度ニューラルサーフェスを学習する新しいアプローチである。 本手法は, 幾何再構成と新規ビュー合成の両面において, SDF法の品質を飛躍的に向上させる。
  論文  参考訳（メタデータ） (2024-10-02T03:10:38Z)
• Iterative approach to reconstructing neural disparity fields from light-field data [7.846043927661275]
  本研究では,シーンの相違を暗黙的に連続的に表現するニューラル・ディパリティ・フィールド(NDF)を提案する。 NDFは3次元シーンにおける相違点のシームレスかつ高精度な特徴付けを可能にする。
  論文  参考訳（メタデータ） (2024-07-22T05:06:06Z)
• Phase Guided Light Field for Spatial-Depth High Resolution 3D Imaging [36.208109063579066]
  3Dイメージングでは、光界カメラは通常単発で、空間解像度と深度精度の低下に悩まされる。 そこで本研究では,オフザシェルフ光場カメラの空間分解能と深度を両立させる位相誘導光場アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-11-17T15:08:15Z)
• Light Field Reconstruction Using Convolutional Network on EPI and Extended Applications [78.63280020581662]
  スパースビューからの光場再構成のための新しい畳み込みニューラルネットワーク(CNN)ベースのフレームワークを開発した。 最先端のアルゴリズムと比較して,提案フレームワークの高性能と堅牢性を実証する。
  論文  参考訳（メタデータ） (2021-03-24T08:16:32Z)
• Leveraging Spatial and Photometric Context for Calibrated Non-Lambertian Photometric Stereo [61.6260594326246]
  空間と測光の両方を同時に活用できる効率的な完全畳み込みアーキテクチャを提案する。 分離可能な4D畳み込みと2D熱マップを使うことで、サイズが小さくなり、効率が向上する。
  論文  参考訳（メタデータ） (2021-03-22T18:06:58Z)

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。