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。
神経放射場(NeRF)に関する最近の研究爆発は,ニューラルネットワークで複雑な場面を表現するための有望な可能性を示す。NeRFの一つの主要な欠点は,その禁止的推論時間である:単一ピクセルのレンダリングは,NeRFネットワークを数百回質問することを必要とする。それを解決するため,既存の努力は必要なサンプリング点の数を減らすことを主に試みている。しかし,反復サンプリングの問題はなお存在する。一方,神経光場(NeLF)は,新しい視点合成におけるNeRFよりもより直接的な表現,すなわち光線マーチングのない1つの単一フォワードパスへのピクセル量のレンダリングを示す。本研究では,光場を効果的に学習するために,深い残留MLPネットワーク(88層)を示した。そのような深いNeLFネットワークをうまく学習する鍵は十分なデータを持ち,データ蒸留により事前訓練NeRFモデルから知識を転送する。合成および実世界シーンの両方に関する広範な実験は,他の対応アルゴリズムよりも著者らの方法の利点を示した。合成場面では,26~35x FLOPs削減(カメラレイ)と28~31xランタイム高速化を達成し,一方,カスタム化並列要求なしでNeRFよりも著しく良好な(1.4~2.8dB平均PSNR改善)レンダリング品質を実現した。【JST・京大機械翻訳】