디테일을 보존하는 변형을 위한 지역화 학습: 변형 복구
이 논문에서는 입력 신호로써 전체 형상 인코딩 대신 국부적인 변형 정보를 활용하여 디테일 손실 없이 고품질 형상 변형을 가능하게 하는 새로운 데이터 기반 접근 방식을 제안합니다.
실시간 고품질 포인트 클라우드 렌더링을 위한 학습 기반 스플래팅 기법
포인트 클라우드의 3D 타원형 가우시안 표현과 차별화된 렌더링 기법을 통해 실시간 고품질 렌더링을 달성한다.
물리 기반 3D 가우시안 스플래팅을 이용한 역 렌더링
본 연구는 은폐 가우시안 문제를 해결하고 메시 기반 표현을 활용하여 3D 가우시안 스플래팅 기반 역 렌더링의 품질을 향상시킨다.
점프 복원 광선 전달
기존 MCMC 기반 광선 전달 알고리즘의 한계를 극복하고 더 빠르고 정확한 결과를 제공하는 새로운 프레임워크를 제안한다.
텍스처 GS: 공간적으로 정의된 색상과 불투명도를 사용한 가우시안 스플래팅
본 연구는 구면 조화 함수를 사용하여 개별 가우시안 표면에 색상 및 불투명도 텍스처를 적용하는 혁신적인 방법인 텍스처 GS를 소개한다. 이를 통해 기존 방식에 비해 향상된 렌더링 품질을 달성할 수 있다.
범용 기능을 갖춘 하드웨어 레이 트레이서 데이터 경로
이 논문은 Chisel 하드웨어 구축 언어로 구현된 오픈 소스 하드웨어 레이 트레이서 데이터 경로 파이프라인 모듈을 문서화합니다. 이 모듈은 레이-박스 및 레이-삼각형 교차 테스트를 위한 통합 고정 대기 시간 파이프라인을 구현하며, 추가로 유클리드 거리 및 각도 거리(코사인 유사성) 계산을 가속화할 수 있는 두 가지 추가 계산 모드를 제공합니다.
NVIDIA 옴니버스: 물리적 AI를 위한 궁극적인 시뮬레이션 세계
NVIDIA 옴니버스는 실시간 시뮬레이션과 3D 환경에서의 협업을 가능하게 하는 혁신적인 플랫폼으로, 다양한 산업에 걸쳐 새로운 가능성을 열고 있다.
약한 특징을 통합하는 고품질 메시 단순화
본 논문은 정확성, 삼각형 품질 및 특징 정렬을 동시에 고려하는 부드러운 기능을 제안합니다. 이 기능은 연속적인 설정에서 작동하는 법선 이방성 용어와 CVT 에너지 용어로 구성되며, 감쇠 가중치를 도입하여 두 용어 간의 균형을 자연스럽게 달성합니다.
초정밀 계산을 위한 쌍곡 기하학의 수치적 측면
쌍곡 기하학의 다양한 수치적 표현 방식을 비교하고, 각 방식의 장단점을 분석하여 최적의 표현 방식을 제시한다.
물리 기반 심층 학습 프레임워크를 활용한 옷감 시뮬레이션
물리 기반 특성을 직접 인코딩한 심층 학습 프레임워크를 통해 옷감 시뮬레이션의 정확성과 효율성을 향상시킬 수 있다.