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。
神経放射輝度場(NeRF)は,3D対話型経験のための新しい波をもたらす。しかし,没入経験の重要な部分として,デフォーカス効果はNeRF内で完全には調べられていない。いくつかの最近のNeRFベースの方法は,多平面技術を利用することによってポストプロセス方式で3Dデフォーカス効果を生み出す。それでも,それらは時間がかかり,またはメモリを消費する。本論文では,様々な3Dデフォーカス効果,dubbed NeRFocusを直接レンダリングできる,新しい薄いレンズイメージングベースのNeRFフレームワークを提案した。ピンホールと異なり,薄いレンズ屈折はシーン点の光線を屈折するので,センサ平面上のイメージングは混乱(CoC)の円として散乱する。このプロセスを近似するために十分な光線をサンプリングする直接解は計算上高価である。代わりに,センサ平面上の各点に対するビーム経路を明示的にモデル化し,各画素のビーム経路にこのパラダイムを一般化するために,薄いレンズイメージングを反転することを提案し,次に,各ピクセルのビーム経路をレンダリングするために,フラストムベースボリュームレンダリングを用いた。さらに,訓練プロセスを広く単純化するための効率的な確率的訓練(p訓練)戦略を設計した。広範な実験は,著者らのNeRFocusが,調整可能なカメラ姿勢,焦点距離,および開口サイズで様々な3Dデフォーカス効果を達成できることを証明した。既存のNeRFは,大きな深さ場画像をレンダリングするために,開口サイズをゼロとして設定することによって,著者らの特殊なケースとみなすことができる。このようなメリットにもかかわらず,NeRFocusはNeRFの元の性能(例えば,訓練と推論時間,パラメータ消費,レンダリング品質)を犠牲にせず,より広い応用と更なる改善のための大きな可能性を意味する。コードとビデオはhttps://github.com/wyhuai/NeRFocusで利用可能である。【JST・京大機械翻訳】
