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。
ニューラルフィールドは,新しいビュー合成,幾何学再構成,および生成モデリングにおける優れた性能のために,コンピュータビジョンコミュニティにおいて大きな注目を集めている。それらの利点のいくつかは,健全な理論的基礎と現在の深層学習フレームワークにおける容易な実装である。神経場は多様体上の信号に応用されているが,例えばテクスチャ再構成のために,それらの表現は,ユークリッド空間に形状を外因的に埋め込むために制限されてきた。外因性埋込みは既知の固有多様体特性を無視し,学習関数の柔軟なwrt.転送である。これらの限界を克服するために,本研究では,多様体上の神経場に対する新規で多目的な表現である固有神経場を紹介した。固有神経場はLaplace-Beltrami演算子のスペクトル特性と神経場の利点を結合した。固有神経場は,外因性神経場フレームワークの多くの望ましい特性を継承するが,等値不変性のような付加的固有品質を示す。実験では,固有神経場が最先端品質の画像から高忠実度テクスチャを再構成でき,基礎となる多様体の離散化に対してロバストであることを示した。ここでは,様々なアプリケーション,すなわち変形形状および異なる形状間のテクスチャ移動,ビュー依存性を有する実世界画像からのテクスチャ再構成,およびメッシュおよびポイントクラウドに関する離散化-診断学習,による固有ニューラルフィールドの多用途性を実証した。【JST・京大機械翻訳】