論文の概要: Spatons: Spatiotonally Localized Building Blocks for Efficient XR Predistortion

• arxiv url: http://arxiv.org/abs/2610.24400v1
• Date: Sat, 17 Oct 2026 03:11:05 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 12:00:24.046645
• Title: Spatons: Spatiotonally Localized Building Blocks for Efficient XR Predistortion
• Title（参考訳）: Spatons: 効率的なXR予測のための空間的局所化ビルディングブロック
• Abstract要約: Spatonは、MLP(Multi-Layer Perceptrons)と固定機能を組み合わせたハイブリッドパッチ・ツー・ピクセルである。 CompenNet++の6倍のFLOPと106倍のパラメータ、UNet++の4～10倍のメモリ転送を持つフレキシブルなスパトンソリューションを実証した。
• 参考スコア（独自算出の注目度）: 2.3550643028433833
• License:
• Abstract: We present Spatons, a family of compositional, spatially localized neural operators for computationally efficient XR (extended reality) predistortion and distortion compensation. XR displays (AR, VR, and MR) suffer from spatial (e.g., geometric) and tonal (e.g., colour) distortions. Frames can be pre-distorted so that the projected image looks as intended. Distortions vary with manufacturing tolerances and projection systems, motivating programmable compensation. Untethered, battery-operated XR systems also require low energy and latency. A Spaton is a hybrid patch-to-pixel block combining tiny Multi-Layer Perceptrons (MLPs) with fixed-function interpolation. Using Spatons, we build programmable, computationally efficient pipelines for varied distortion scenarios. On the full spatiotonal Scenario 5, Sequential-5' matches CompenNet++ in SSIM (0.944 vs. 0.944) and closely matches its PSNR (27.5 vs. 27.7 dB), with substantially lower complexity. We demonstrate a flexible Spaton solution with 6 times fewer FLOPs and 106 times fewer parameters than CompenNet++, and 4-10 times fewer memory transfers than UNet++. We characterize software implementations and analytical hardware estimates, including optimizations across target XR platforms. The distortions considered are drawn mostly from see-through, near-eye displays, where the spatial light path governs local intensity and spectral response. This early systems-level exploration uses closed-form differentiable distortions and one real projector-camera capture set for training and evaluation, rather than through-the-optics measurements. Testing on a wider range of real XR devices remains future work. Chromatic dispersion (color fringes) remains the main artifact where Spatons trail monolithic baselines.
• Abstract（参考訳）: 計算効率の良いXR前歪みと歪み補償のための合成空間局在型ニューラル演算子のファミリーであるスパトンについて述べる。 XRディスプレイ(AR、VR、MR)は、空間(eg、幾何学)と音色(eg、色)の歪みに悩まされる。 フレームは、投影されたイメージが意図通りに見えるように、事前に歪めることができる。 歪みは製造耐性や投射システムによって異なり、プログラム可能な補償を動機付けている。 バッテリー駆動のXRシステムは低エネルギーとレイテンシも必要である。 Spatonは、MLP(Multi-Layer Perceptrons)と固定機能補間を組み合わせたハイブリッド・パッチ・ツー・ピクセル・ブロックである。 Spatonsを使って、様々な歪みシナリオのためのプログラム可能で計算効率の良いパイプラインを構築します。 Sequential-5' match CompenNet++ in SSIM (0.944 vs. 0.944) and closely match its PSNR (27.5 vs. 27.7 dB)。 CompenNet++の6倍のFLOPと106倍のパラメータ、UNet++の4～10倍のメモリ転送を持つフレキシブルなスパトンソリューションを実証した。 我々は,対象とするXRプラットフォーム間の最適化を含むソフトウェア実装とハードウェア推定を特徴付ける。 考察された歪みは主に、空間光路が局所強度とスペクトル応答を制御している、視線を通した近目ディスプレイから引き出される。 この初期のシステムレベルの探査では、光学的測定ではなく、クローズドフォームの微分可能な歪みと、トレーニングと評価のために1つの実際のプロジェクター・カメラ・キャプチャーセットを使用する。 より広い範囲の実際のXRデバイスでのテストは、今後も継続される。 クロマティックな分散(色縁)は、スパトンがモノリシックな基線を辿る主要な人工物である。

関連論文リスト

• LoomSC: Scalable Deep Subspace Clustering with Projector Factorization and Exact Spectral Reduction [7.824567521374742]
  サブスペースクラスタリングのための潜在直交最適化モデル(LoomSC)を提案する。 LoomSCは、プロジェクター分解と正確なスペクトル還元によってボトルネックに対処する。 これは、9つの最先端のベースラインと比較して、15のデータセットメトリック比較で1位または2位である。
  論文  参考訳（メタデータ） (2026-10-07T15:37:39Z)
• Loss-tolerant distributed lattice surgery using fusion networks [7.165088595093024]
  測定と融合に基づく量子コンピューティングは、損失と確率的フォトニクス操作に対して堅牢であるように設計されている。 ローカルノイズが欠如している場合、複数のプロトコルが50%ドルのインタフェース消去しきい値に達することを示す。 局所ノイズが10～4ドル以下に減少するにつれて、線形チェーンプロトコルは消去を減少させ、より高速に改善される。
  論文  参考訳（メタデータ） (2026-10-01T15:57:13Z)
• From Mono to Stereo: Accelerating Binocular Gaussian Splatting via Reprojection and Selective Patching [1.9773684168239962]
  本稿では、支配的なRGB画像とアルファ重み付き深度プロキシを描画し、その画像を関連眼に再投影し、未発見ピクセルを修復する2DGSパイプラインを提案する。 DTUタンクとテンプルとMipNeRF-360では、シーケンシャルな2パスの双眼鏡参照の計測時間を15.5%から28.8%、ピークのGPUメモリを6%から11%削減する。
  論文  参考訳（メタデータ） (2026-09-25T03:11:46Z)
• Parallel Rollout Approximation for Pixel-Space Autoregressive Image Generation [9.30873702701651]
  emphParallel Rollout Approximation (PRA)を提案する。 PRAは高次元のピクセルパッチの代わりに低次元の中間状態を生成し、ピクセルデコーダでピクセル空間トークンにマッピングし、ピクセルインのピクセルアウトARインターフェースを保存する。 クラス条件のImageNet-1Kを256times256$解像度で生成すると、135Mパラメータを持つPRA-SはFIDが2.58で、これまでの10億画素のARの3.60を超える。
  論文  参考訳（メタデータ） (2026-06-26T11:27:39Z)
• KC-3DGS: Kurtosis-Constrained Gaussian Splatting for High-Fidelity View Synthesis [28.10448224660243]
  3D Gaussian Splatting(3DGS)は、シーンを差別化によって最適化された異方性ガウスのコレクションとして表現することで、リアルタイムなノベルビュー合成を可能にする。 標準画素空間損失(L1, SSIM)は、再構成エラーのみを集約し、周波数スケールでエラーを再分配する最適化を可能にする。 我々は,自然画像統計に基づくウェーブレットドメインによる3DGSトレーニングを強化するKC-3DGSを提案する。
  論文  参考訳（メタデータ） (2026-06-02T04:04:24Z)
• QuantVSR: Low-Bit Post-Training Quantization for Real-World Video Super-Resolution [53.13952833016505]
  実世界のビデオ超解像(VSR)のための低ビット量子化モデルを提案する。 キャリブレーションデータセットを用いて各レイヤの空間的および時間的複雑さを計測する。 我々はFPおよび低ビット分岐を改良し、同時最適化を実現する。
  論文  参考訳（メタデータ） (2025-08-06T14:35:59Z)
• PyNeRF: Pyramidal Neural Radiance Fields [51.25406129834537]
  本研究では,異なる空間グリッド解像度でモデルヘッドを訓練することにより,グリッドモデルへの簡単な修正を提案する。 レンダリング時には、単に粗いグリッドを使用して、より大きなボリュームをカバーするサンプルをレンダリングします。 Mip-NeRFと比較して、60倍高速なトレーニングをしながらエラー率を20%削減する。
  論文  参考訳（メタデータ） (2023-11-30T23:52:46Z)
• LightGaussian: Unbounded 3D Gaussian Compression with 15x Reduction and 200+ FPS [55.85673901231235]
  光ガウシアン(LightGaussian)は、3次元ガウシアンをよりコンパクトなフォーマットに変換する方法である。 ネットワーク・プルーニングにインスパイアされたLightGaussianは、ガウシアンをシーン再構築において最小限のグローバルな重要性で特定した。 LightGaussian は 3D-GS フレームワークで FPS を 144 から 237 に上げながら,平均 15 倍の圧縮率を達成する。
  論文  参考訳（メタデータ） (2023-11-28T21:39:20Z)
• Scaling Structured Inference with Randomization [64.18063627155128]
  本稿では、構造化されたモデルを数万の潜在状態に拡張するためにランダム化された動的プログラミング(RDP)のファミリを提案する。 我々の手法は古典的DPベースの推論に広く適用できる。 また、自動微分とも互換性があり、ニューラルネットワークとシームレスに統合できる。
  論文  参考訳（メタデータ） (2021-12-07T11:26:41Z)

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。