Open fulfulggg opened 1 month ago
目的: 複数の低ダイナミックレンジ(LDR)画像から、より現実に近い高ダイナミックレンジ(HDR)の3Dシーンを再構成する技術の向上。
課題: 従来の3D再構成技術は、
提案手法: HDR-GS (ハイダイナミックレンジガウシアンスプラッティング)
結果:
貢献: より現実的な3Dシーンの構築に貢献
一言でまとめると: HDR-GSは、従来技術の課題を克服し、高精度かつ効率的にHDR 3Dシーンを再構成する技術。
@yukihiko-fuyuki が以下のラベルを提案し、適用しました:
以下の新しいラベルが作成され、適用されました:
タイトル: HDRGS:ハイダイナミックレンジガウシアンスプラッティング
リンク: https://arxiv.org/abs/2408.06543
概要:
近年、2D画像からの3D再構成分野、特にニューラルラディアンスフィールド(NeRF)技術の登場以来、著しい進歩が見られます。しかし、現実世界の状況により近い3Dハイダイナミックレンジ(HDR)ラディアンスフィールドを、2Dマルチエクスポージャーローダイナミックレンジ(LDR)画像から再構成することは、依然として大きな課題となっています。この課題へのアプローチは、グリッドベースと暗黙的ベースの2つのカテゴリに分類されます。多層パーセプトロン(MLP)を使用した暗黙的な方法は、非効率性、限定的な解決可能性、過剰適合のリスクに直面します。逆に、グリッドベースの方法は、大量のメモリを必要とし、画質と長いトレーニング時間に苦労します。本論文では、高品質でリアルタイムな3D再構成技術であるGaussian Splattingをこの分野に導入します。さらに、前述の課題に対処するために設計された、ハイダイナミックレンジガウススプラッティング(HDR-GS)法を開発しました。この方法は、輝度を含めることで色の次元を拡張し、トーンマッピングに非対称グリッドを使用することで、ピクセル放射照度を迅速かつ正確に色に変換します。私たちのアプローチは、HDRシーンの回復精度を向上させ、モデルの収束を高速化する新しい粗から細への戦略を統合し、まばらな視点や極端な露出に対する堅牢性を高め、局所的な最適化を防ぎます。広範なテストにより、私たちの手法は、合成シナリオと現実世界のシナリオの両方で、現在の最先端技術を上回っていることが確認されています。コードは\url{https://github.com/WuJH2001/HDRGS}で公開されます。