Beschleunigung der Inferenz von Neuronalen Radianzfeldern durch Aktivierungsanalyse
Durch die Analyse der Aktivierungen in den frühen Schichten von Neuronalen Radianzfeldern können wir eine Dichteschätzung extrahieren, um die Inferenzzeit signifikant zu reduzieren, ohne die Renderingqualität stark zu beeinträchtigen.
Skalierbare neuronale Radiance-Felder: Wie Dichte und Distanz invers skalieren, um konsistente Renderingergebnisse zu erzielen
Neuronale Radiance-Felder (NeRFs) müssen so parametrisiert werden, dass die Volumendichte und Distanz invers skalieren, um konsistente Renderingergebnisse über verschiedene Skalierungen des Szenenumfangs hinweg zu erzielen.
Hocheffizientes 3D-Kopfavatar mit meshverankerter Hash-Tabellen-Blendshapes
Wir präsentieren eine neuartige Methode zur Erstellung hocheffizienter und hochqualitativer 3D-Kopfavatar-Darstellungen, die auf meshverankerter Hash-Tabellen-Blendshapes basiert. Unser Ansatz ermöglicht Echtzeitrendering bei vergleichbarer Renderingqualität zu den neuesten Methoden.
Hochleistungs-Echtzeit-Rendering großer Szenen mit Gaussians
CityGaussian (CityGS) ermöglicht hochqualitatives Echtzeit-Rendering großer Szenen durch einen neuartigen Divide-and-Conquer-Trainingsansatz und eine Level-of-Detail-Strategie für effiziente 3D-Gaussian-Splatting-Darstellung.
Hybride Optimierung von 3D-Gaussian-Splatting für urbane Szenen
Das vorgeschlagene HO-Gaussian-Verfahren kombiniert ein gitterbasiertes Volumen mit der 3D-Gaussian-Splatting-Pipeline, um die Renderingqualität in urbanen Szenen ohne Abhängigkeit von SfM-Punkten zu verbessern. Es führt eine Gaussian-Positions- und Richtungskodierung ein, um den Speicherbedarf zu reduzieren, und nutzt neuronale Verzerrung, um die Konsistenz über mehrere Kameras hinweg zu erhöhen.
Hochwertige Darstellung von Spiegelreflexionen in neuronalen Strahlungsfeldern durch Gaussian-Richtungskodierung
Unser neuartiges Gaussian-Richtungskodierungsverfahren ermöglicht eine effiziente und realistische Modellierung von Spiegelreflexionen in neuronalen Strahlungsfeldern, insbesondere unter Bedingungen mit Nahfeldbeleuchtung.
Hocheffiziente neuronale Bildwiedergabe durch adaptive volumetrische Oberflächen
Eine hybride Oberfl¨ achen-Volumen-Darstellung, die die Vorteile beider Repr¨ asentationen nutzt, um die meisten Objekte als Oberfl¨ achen mit wenigen Abtastungen darzustellen, w¨ ahrend die (typischerweise) kleinen Bereiche mit feinen oder transparenten Strukturen volumetrisch modelliert werden.
Effiziente und hochwertige Echtzeit-Rendering-Methode für Radiance-Felder auf Basis von Punktwolken
Unser Ansatz TRIPS kombiniert die Vorteile von Gaussian Splatting und ADOP, um hochwertige und artefaktfreie Bilder in Echtzeit zu rendern, indem er Punkte trilinear in eine Bildpyramide rasterisiert und anschließend mit einem effizienten neuronalen Netzwerk rekonstruiert.
Implizite neuronale Punktwolken für die Darstellung von Strahlungsfeldern
Eine hybride Szenenrepräsentation, die eine implizite Punktwolke in einem kontinuierlichen Oktree-basierten Wahrscheinlichkeitsfeld und einem Multi-Auflösungs-Hash-Gitter kodiert, ermöglicht eine effiziente Optimierung und Darstellung von Radiance-Feldern mit hoher Bildqualität.
Hocheffiziente Echtzeitrendering-Methode für reflektive Oberflächen auf mobilen Geräten
REFRAME ermöglicht hochqualitative Echtzeitrendering von Szenen mit stark reflektiven Objekten, indem es eine neuartige Methode zur Modellierung der reflektierten Strahlung verwendet und gleichzeitig eine effiziente Mesh-basierte Rendering-Pipeline nutzt.
© 2024 by Linnk AI