Jul, 2023

NeuBTF：神经场用于 BTF 编码和传输

PDF
TL;DR提出了一种新颖的神经材料表示方法，能够压缩、平铺和外推 Bidirectional Texture Functions (双向纹理函数)，并能够学习表示许多光学特性。
neural material representationbtf compressiontilingextrapolationoptical properties
发现论文，激发创造
  • NeILF: 基于神经网络的物理感材料估计的入射光场

    本文提出了基于可微分渲染的方法，通过神经入射光场和多层感知机模擬的表面 BRDF 模型来实现多视图图像和重构几何体的物质和照明估计，该方法能够准确估计静态场景的照明，并可自然处理遮挡和间接光线，未需多次反射。我们在多个场景数据集上实验，结果表明本方法以显著的优势超越现有方法，成为图像物质和照明估计的新的最佳实践。

    Mar, 2022

  • 神经双向反射函数 (BRDF) 表示与重要性采样

    本文提出基于神经网络的光反射模型数据压缩表示，采用自适应角度采样技术进行高精度光反射模型的重建，并使用嵌入编码方式实现了重要性采样的可行性。

    Feb, 2021

  • 基于块压缩特征的实时神经材料

    基于神经材料模型的实时渲染管线，使用硬件压缩纹理格式存储学习特征，在空间和尺度上连续输出材料信息，以降低内存占用和计算开销。

    Oct, 2023

  • 蓝色 NF：蓝图神经场

    通过先前语义和深度信息，BlueNF 构建了场景的蓝图，实现了直观的 3D 编辑和操作，包括遮掩、外观修改和物体去除等，从而为视觉内容创作做出了重要贡献。

    Sep, 2023

  • 基于物理的神经渲染的光采样场和 BRDF 表示

    本文基于目前成功的体积神经渲染，提出了一种新的灯光表示方法来解决物理基础渲染中的限制，并使用 BRDF 模型和细节表面 / 次表面散射，开发出全新的神经肌肤着色器，其性能和质量得到了充分的实验验证。

    Apr, 2023

  • 基于神经基础材料场的射线驱动的光谱 CT 重建

    基于神经场表示的光谱 CT 重建方法，使用完全隐式函数来建立基础材料的神经场参数化模型，并利用深度学习的自动微分框架解决隐式连续函数，该方法在光谱 CT 重建中表现极佳，并满足高分辨率重建图像的要求。

    Apr, 2024

  • 基于 3D 神经场的深度学习

    本文提出了 nf2vec 框架，用于在单次推断中为输入的神经场生成紧凑的潜在表示，展示了将其嵌入到深度学习流程中并成功解决各种任务的有效性。

    Dec, 2023

  • 神经场遇上显式几何表示，逆向渲染城市场景

    提出一种新的逆向渲染框架，能够从一组 RGB 图像中联合重建场景几何、空间变化的材料和 HDR 照明，并支持物理场景操作，例如射线跟踪阴影投射。

    Apr, 2023

  • 如何训练神经场表示：一项全面研究与基准测试

    使用基于 JAX 的库 fit-a-nef，对神经场（NeFs）进行了全面的研究，研究了不同超参数对下游任务的影响，并提出了神经场竞技场作为基准测试集，以进一步研究神经领域。

    Dec, 2023

  • BioNeRF：生物合理的神经辐射场用于视图合成

    BioNeRF 是一种基于生物学的合理架构，通过辐射场对场景进行 3D 表示并合成新视图，利用类似记忆结构的认知启发机制将来自多个来源的输入融合，提高存储容量并提取更多内在和相关信息，同时模仿锥体细胞中观察到的有关上下文信息的行为，其中记忆作为上下文提供并与两个后续神经模型的输入相结合，其中一个负责生成体积密度，另一个负责渲染场景所使用的颜色。实验结果表明，BioNeRF 在两个数据集（真实世界图像和合成数据）中基于人类感知的质量度量上胜过最先进的结果。

    Feb, 2024