HyperAIHyperAI
منذ 9 أيام

HDR-GS: تركيب منظر جديد عالي الدقة بكفاءة بسرعة 1000 مرة عبر التبديد الغاوسي

Yuanhao Cai, Zihao Xiao, Yixun Liang, Yulun Zhang, Xiaokang Yang, Yaoyao Liu, Alan Yuille
HDR-GS: تركيب منظر جديد عالي الدقة بكفاءة بسرعة 1000 مرة عبر التبديد الغاوسي
الملخص

تهدف محاكاة الرؤية الجديدة ذات النطاق الديناميكي العالي (HDR) إلى إنشاء صور واقعية من زوايا جديدة باستخدام تقنيات التصوير HDR. حيث تلتقط الصور المُحاكاة ذات النطاق الديناميكي العالي نطاقًا أوسع من مستويات السطوع، مما يوفر تفاصيل أكثر من الصور التقليدية ذات النطاق الديناميكي المنخفض (LDR). تعتمد الطرق الحالية لمحاكاة الرؤية الجديدة ذات النطاق الديناميكي العالي بشكل رئيسي على نماذج NeRF، لكنها تعاني من أوقات تدريب طويلة وسرعة استنتاج بطيئة. في هذه الورقة، نقترح إطارًا جديدًا يُسمى "تقطيع الغيوم الغاوسية ذات النطاق الديناميكي العالي" (HDR-GS)، الذي يمكنه عرض رؤى جديدة ذات نطاق ديناميكي عالٍ بكفاءة، وتحسين إعادة بناء الصور ذات النطاق الديناميكي المنخفض بناءً على وقت التعرض المُدخل من المستخدم. بشكل محدد، نصمم نموذجًا للسحابة النقطية الغاوسية ذات النطاق الديناميكي المزدوج (DDR) يستخدم الدوال الكروية (Spherical Harmonics) لتمثيل الألوان HDR، ويستخدم معالجًا صوريًا مبنيًا على شبكة عصبية متعددة الطبقات (MLP) لإنتاج الألوان LDR. ثم يتم تغذية الألوان HDR وLDR إلى عمليتين متوازيتين قابلتين للتفاضل (PDR) لإعادة بناء الرؤى HDR وLDR. ولتأسيس الأساس البياناتي للبحث في الأساليب القائمة على تقطيع الغيوم الغاوسية في محاكاة الرؤية الجديدة ذات النطاق الديناميكي العالي، قمنا بإعادة معايرة معاملات الكاميرا وحساب المواقع الأولية لسحابة النقاط الغاوسية. تُظهر التجارب أن نموذجنا HDR-GS يتفوق على أفضل الطرق القائمة على NeRF بمقدار 3.84 و1.91 ديسيبل في محاكاة الرؤية الجديدة ذات النطاق الديناميكي المنخفض والمرتفع على التوالي، مع تحقيق سرعة استنتاج تزيد عن 1000 مرة، واحتياج فقط لـ 6.3% من وقت التدريب.

HDR-GS: تركيب منظر جديد عالي الدقة بكفاءة بسرعة 1000 مرة عبر التبديد الغاوسي | أحدث الأوراق البحثية | HyperAI