抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
最近の陰的ニューラルレンダリング法は,RGB画像のセットだけによって,それらの体積密度と色を監督することによって,複雑な場面のための正確なビュー合成を学ぶことが可能であることを示した。しかしながら,既存の方法は,すべてのシーンオブジェクトを単一ニューラルネットワークに符号化する静的シーンの効率的表現を学習するために制限され,個々のシーンオブジェクトへの動的シーンと分解を表現する能力を欠く。本研究では,動的シーンをシーングラフに分解する最初のニューラルレンダリング手法を提案した。オブジェクト変換と放射輝度を符号化する学習シーングラフ表現を提案し,シーンの新しい配置と視点を効率的にレンダリングした。この目的のために,暗黙的に符号化されたシーンを学習し,単一陰関数を持つオブジェクトを記述するために,共同学習潜在表現と組み合わせた。合成および実際の自動車データに関する提案手法を評価し,この手法が動的シーンを学習し,このシーンのビデオを観察することによってのみ,非意味姿勢におけるオブジェクトの無意味集合を持つ新しいシーン構成の新しい光現実的視点をレンダリングできることを検証した。【JST・京大機械翻訳】