LiTo: 表面ライトフィールドのトークン化
本文の状態
日本語全文を表示中
詳細モードで約1分の本文を読めます。
同じ出来事の情報源
この情報源を基点に整理
Apple Machine Learning
研究者らが、物体の3D形状と視点依存の外観を同時にモデル化する3D潜在表現を提案した。従来手法は3D形状再構成か視点非依存の外観予測に焦点を当てていたため、現実的な視点依存効果の再現が困難だった。本手法はRGB-D画像が表面ライトフィールドのサンプルを提供する点を活用し、そのランダムサブサンプルをコンパクトな潜在ベクトルセットに符号化することで、両方を表現することを学習する。
Source Article
元記事を日本語で読む
本文に関係しない購読案内、埋め込み通知、サイト内プロモーションは除いています。
私たちは、オブジェクトの幾何形状と視点依存の外観を同時にモデル化する 3D 潜在表現を提案します。既存の多くの研究は、3D 幾何形状の再構築または視点に依存しない拡散外観の予測のいずれかに焦点を当てており、そのため現実的な視点依存効果を捉えることが困難でした。私たちのアプローチでは、RGB-深度画像が表面光場のサンプルを提供しているという点を利用します。この表面光場からランダムな部分サンプリングを符号化してコンパクトな潜在ベクトルのセットに変換することで、モデルは幾何形状と外観の両方を統一された 3D 潜在空間内で表現することを学習します。この表現は、視点依存…
原文を表示
We propose a 3D latent representation that jointly models object geometry and view-dependent appearance. Most prior works focus on either reconstructing 3D geometry or predicting view-independent diffuse appearance, and thus struggle to capture realistic view-dependent effects. Our approach leverages that RGB-depth images provide samples of a surface light field. By encoding random subsamples of this surface light field into a compact set of latent vectors, our model learns to represent both geometry and appearance within a unified 3D latent space. This representation reproduces view-dependent…
今日のまとめ
AIデイリーブリーフで今日の重要ニュースをまとめ読み