R2L:効率的な新規ビュー合成のためのニューラル光場へのニューラル放射場の蒸留【JST・京大機械翻訳】

Wang Huan; Ren Jian; Huang Zeng; Olszewski Kyle; Chai Menglei; Fu Yun; Tulyakov Sergey

プレプリント

J-GLOBAL ID：202202215101595405 整理番号：22P0323482

R2L:効率的な新規ビュー合成のためのニューラル光場へのニューラル放射場の蒸留【JST・京大機械翻訳】

R2L: Distilling Neural Radiance Field to Neural Light Field for Efficient Novel View Synthesis

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 (7件)： , , , , , ,
資料名：
発行年： 2022年03月31日プレプリントサーバーでの情報更新日： 2022年07月22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)

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】

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

計算機網

, ,

前のページに戻る