An Improved NeuMIP with Better Accuracy

要約

神経反射率モデルは、現実世界の多くのマテリアルの空間的に変化する外観をさまざまなスケールで正確に再現できます。
しかし、既存の方法では光沢の高い素材を扱うのが困難です。
この問題に対処するために、既存の方法と比較して、鏡面ハイライトだけでなく、きめの細かい詳細もよりよく保存する新しい神経反射率モデルを導入します。
この目的を達成するために、NeRF にヒントを得て、入力データを周波数空間にエンコードして、詳細をより適切に保存することにより、ニューラル ネットワークのパフォーマンスを強化します。
さらに、勾配ベースの損失を導入し、学習フェーズの進行に適応して複数の段階でそれを採用します。
最後に、より正確でありながらコストのかかるパフォーマンスを実現するために、Inception モジュールを使用したデコーダ ネットワークへのオプションの拡張機能を利用します。
さまざまな合成例と実際の例を使用して、私たちの方法の有効性を実証します。

要約(オリジナル)

Neural reflectance models are capable of accurately reproducing the spatially-varying appearance of many real-world materials at different scales. However, existing methods have difficulties handling highly glossy materials. To address this problem, we introduce a new neural reflectance model which, compared with existing methods, better preserves not only specular highlights but also fine-grained details. To this end, we enhance the neural network performance by encoding input data to frequency space, inspired by NeRF, to better preserve the details. Furthermore, we introduce a gradient-based loss and employ it in multiple stages, adaptive to the progress of the learning phase. Lastly, we utilize an optional extension to the decoder network using the Inception module for more accurate yet costly performance. We demonstrate the effectiveness of our method using a variety of synthetic and real examples.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google