NeReF:流体表面再構成と陰表現のためのニューラル屈折場【JST・京大機械翻訳】

Wang Ziyu; Yang Wei; Cao Junming; Xu Lan; Yu Junqing; Yu Jingyi

プレプリント

J-GLOBAL ID：202202202619525546 整理番号：22P0300780

NeReF:流体表面再構成と陰表現のためのニューラル屈折場【JST・京大機械翻訳】

NeReF: Neural Refractive Field for Fluid Surface Reconstruction and Implicit Representation

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年03月08日プレプリントサーバーでの情報更新日： 2022年03月08日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ニューラル放射場(NeRF)のような既存のニューラル再構成スキームは,主に不透明オブジェクトのモデリングに焦点を合わせている。流体フロントの表面位置と法線を同時に推定することにより,透明流体の波面を回復する新しい神経屈折場(NeReF)を示した。再構成ターゲットを表面の単層として処理する以前の芸術と異なり,NeReFは,その対応する密度場で体積正常場を回復するために特に定式化される。質問光線は,その蓄積屈折点と正常に従ってNeReFによって屈折され,NeReF最適化のために屈折光線の対応と一意性を採用する。大域的最適化スキームとしてのNeReFは,対応マッチングのための従来の方法に有害な屈折歪をよりロバストに取り組むことができることを示す。さらに,波面の連続NeReF表現は,通常の積分と同様に,ビュー合成を可能にする。このアプローチを合成データと実データの両方で検証し,スパースマルチビュー取得に特に適していることを示した。したがって,高忠実度NeReF再構成を実証するために,種々の表面形状に関する小光場アレイと実験を構築する。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

図形・画像処理一般 , 光の屈折,反射,分散,偏向,吸収,透過 , 光デバイス一般 , パターン認識

, , ,

前のページに戻る