न्यूरल ज्यामितीय स्तर-दर-स्तर विवरण: निहित 3D आकृतियों के साथ रीयल-टाइम रेंडरिंग
Author
Venue
आईईईई कंप्यूटर विज़न और पैटर्न रिकग्निशन 2021
Abstract
न्यूरल साइन्ड डिस्टेंस फंक्शन्स (SDFs) 3D आकृतियों के लिए एक प्रभावी प्रतिनिधित्व के रूप में उभर रहे हैं। SDFs स्थिति के एक फ़ंक्शन के साथ 3D सतहों को एन्कोड करते हैं जो सतह तक की सबसे करीबी दूरी लौटाता है। अत्याधुनिक विधियाँ आमतौर पर SDF को एक बड़े, निश्चित-आकार के न्यूरल नेटवर्क के साथ एन्कोड करती हैं ताकि इम्प्लिसिट सतहों के साथ जटिल आकृतियों का अनुमान लगाया जा सके। हालाँकि, इन बड़े नेटवर्कों को रेंडर करना गणनात्मक रूप से महँगा है क्योंकि इसमें प्रत्येक पिक्सेल के लिए नेटवर्क के कई फॉरवर्ड पास की आवश्यकता होती है, जो इन अभ्यावेदनों को रीयल-टाइम ग्राफिक्स अनुप्रयोगों के लिए अव्यावहारिक बनाता है। हम एक कुशल न्यूरल अभ्यावेदन पेश करते हैं जो, पहली बार, उच्च-निष्ठा वाले न्यूरल SDFs के रीयल-टाइम रेंडरिंग को सक्षम करता है, और साथ ही अत्याधुनिक ज्यामिति पुनर्निर्माण गुणवत्ता भी प्राप्त करता है। हम इम्प्लिसिट सतहों का प्रतिनिधित्व एक ऑक्ट्री-आधारित फ़ीचर वॉल्यूम का उपयोग करके करते हैं जो कई अलग-अलग विवरण स्तरों (LODs) के साथ अनुकूली रूप से आकारों को फिट करता है, और SDF इंटरपोलेशन के साथ निरंतर LOD को सक्षम करता है। हम आगे एक कुशल एल्गोरिदम विकसित करते हैं जो केवल आवश्यक LODs को स्पार्स ऑक्ट्री ट्रैवर्सल के साथ क्वेरी करके हमारे नवीन न्यूरल SDF प्रतिनिधित्व को वास्तविक समय में सीधे रेंडर करता है। हम दिखाते हैं कि हमारी अभिव्यक्ति, पिछली कृतियों की तुलना में रेंडरिंग गति के मामले में 2-3 ऑर्डर ऑफ़ मैग्निट्यूड अधिक कुशल है। इसके अलावा, यह 3D ज्यामितीय और 2D इमेज-स्पेस दोनों मेट्रिक्स के तहत जटिल आकृतियों के लिए अत्याधुनिक पुनर्निर्माण गुणवत्ता उत्पन्न करती है।
