文献

J-GLOBAL ID：202002237542109545   整理番号：20A1788185

DFR:画像からの3D生成学習のための微分可能な機能レンダリング【JST・京大機械翻訳】

DFR: Differentiable Function Rendering for Learning 3D Generation from Images

著者 (2件)： Wu Yunjie (State Key Laboratory for Novel Software Technology, Nanjing University, Nanjing, P R China) ,  Sun Zhengxing (State Key Laboratory for Novel Software Technology, Nanjing University, Nanjing, P R China)
資料名： Computer Graphics Forum  (Computer Graphics Forum)
巻： 39  号： 5  ページ： 241-252  発行年： 2020年 
JST資料番号： W1703A  ISSN： 0167-7055  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 学習ベースの3D生成はコンピュータグラフィックスにおける一般的な研究分野である。最近,いくつかの研究は,3Dオブジェクトを表現するためにニューラルネットワークによって定義される暗黙関数を適用し,最新の最先端になった。しかし,ネットワークを訓練することは,正確なグランドトルース3Dデータと重い前処理を必要とし,それは非現実的である。この問題に取り組むために,3Dオブジェクトの陰関数表現を2D画像にレンダリングするための微分可能なプロセスであるDFRを提案した。簡単に言えば,著者らの方法は,画像平面を通して多重光線を機能空間に注型して,各光線に沿ってすべての情報を凝集して,あらゆる光線の状態に従って微分可能な遮光を実行することによって,物理的画像処理プロセスをシミュレーションすることである。また,レンダリングパイプラインを最適化するために,いくつかの戦略を提案し,ネットワークを訓練するのに時間とメモリの両方を効率的に行う。DFRでは,2D監視だけで多くの3Dモデリングタスクを行うことができる。種々の応用に対していくつかの実験を行った。定量的および定性的評価は,著者らの方法の有効性を実証した。Copyright 2020 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  最適化 ,  *学習 ,  コンピュータグラフィックス ,  ネットワーク ,  ニューラルネットワーク ,  *微分 ,  多重化 ,  光子ビーム ,  二次元 ,  *三次元 ,  *レンダリング
準シソーラス用語： 陰関数 ,  三次元モデリング ,  三次元データ , 【Automatic Indexing@JST】

著者キーワード (7件)： - ,  - ,  - ,  - ,  - ,  - ,  -

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： DFR ,  3D ,  学習 ,  微分 ,  レンダリング