本稿では、メモリリソースを節約し、従来の辞書ベースのアプローチよりも高速な、クライン群の極限集合をレンダリングするための新しい技術を紹介する。
深層学習を用いずに、メタヒューリスティクスという最適化アルゴリズムを用いることで、画像から構造を保持した落書きアートを生成できる。
GeodesicPSIMは、テクスチャマップ付きの静的メッシュの客観的な品質評価のための、新しいモデルベースの指標であり、人間の知覚品質を正確に予測します。
異なるシーン間でマテリアルの変換を転送する新しい手法を提案する。この手法は、もつれたNeural Radiance Field(NeRF)表現に基づいており、乾燥状態と湿潤状態など、さまざまな条件で観測されたシーンのペアから、双方向反射率分布関数(BRDF)をマッピングすることを学習する。学習した変換は、同様のマテリアルを持つ未知のシーンに適用できるため、学習した変換を任意の強度レベルで効果的にレンダリングできる。
時間変化するトポロジーを持つ動的メッシュのフレーム間符号化において、粗から精へのアンカーメッシュ生成を用いることで、従来手法よりも高い圧縮率を達成できる。
本稿では、回転システムを用いた新しい表面再構成手法を提案する。この手法は、入力点群からスパンツリーと回転システムを構築し、位相幾何学的考察に基づいて段階的にエッジを挿入することで、任意の位相を持つ表面を再構成する。
AI技術の進歩により、現実と見分けがつかないほどリアルなビデオを生成することが可能になり、偽情報拡散のリスクが高まっている。
本稿では、2D画像からの詳細な3Dインタラクティブ編集を可能にする、SERFと呼ばれる新しいアルゴリズムを提案する。この手法は、事前学習済み2Dモデルと多視点3D再構成を組み合わせることで、効率的なニューラルメッシュ表現を作成し、正確な3Dセグメンテーションとインタラクティブな編集操作を実現する。
NeRFコンテンツの効率的なストリーミングのために、画素ベースとNNパラメータベースの2つの戦略を評価し、NNパラメータベースの戦略が、特に複雑な360度実写シーンにおいて、より優れた効率性を提供することを示唆している。
動的なシーンにおけるレイトレーシングのパフォーマンスを向上させるために、動的レイトレーシング(DynRT)と微分可能レイトレーシング(DiffRT)という2つの手法が登場しました。本稿では、両手法の違いを解説し、新しいシミュレーションベースの指標であるマルチパスライフタイムマップ(MLM)を紹介することで、DynRTの適用範囲をより正確に把握します。