本論文では、ニューラルフィールドの周波数分解を実現する簡単な修正を提案している。ニューラルフィールドは暗黙的な性質のため、フーリエ解析のような離散信号処理の手法を直接適用することができない。しかし、本手法では、ニューラルフィールドを最適化する際に、低域通過フィルタリングを実行することで、周波数分解を実現している。
具体的には、ニューラルフィールドの出力を一定の間隔で規則的にサンプリングし、それらを線形補間することで、低域通過フィルタリングを行う。この操作は、ニューラルフィールドの最適化過程で実行されるため、事後的なフィルタリングを必要としない。
この手法を用いて、ニューラルフィールドを段階的に最適化することで、コース-ファイン階層的な表現を得ることができる。この表現は、メッシュ抽出などの下流アプリケーションにおいて、アンチエイリアシングを実現するのに有効である。
本手法は、ニューラルフィールドの具体的な実装に依存せず、様々なアーキテクチャに適用可能である。実験では、2D画像フィッティング、3D形状フィッティング、逆レンダリングからの3D形状復元の各タスクで、本手法の有効性を示している。
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Ahan Shabano... at arxiv.org 04-22-2024
https://arxiv.org/pdf/2404.13024.pdfDeeper Inquiries