3D
ニューラル幾何学的ディテールレベル：暗黙的3D形状を用いたリアルタイムレンダリング
Author
Venue
IEEE Computer Vision and Pattern Recognition 2021
Abstract
ニューラル符号付き距離関数（SDF）は、3D形状の有効な表現手法として注目を集めている。SDFは、表面への最短距離を返す位置関数を用いて3D表面を符号化する。最先端の手法では、通常、大規模な固定サイズのニューラルネットワークを用いてSDFを符号化し、暗黙的表面を用いて複雑な形状を近似している。 しかし、これらの大規模なネットワークのレンダリングは、各ピクセルに対してネットワークを通る多数のフォワードパスが必要となるため計算負荷が高く、リアルタイムグラフィックスアプリケーションには実用的ではない。我々は、最先端の幾何学的再構成品質を達成しつつ、高精細なニューラルSDFのリアルタイムレンダリングを初めて可能にする効率的なニューラル表現を提案する。 我々は、複数の離散的な詳細度（LOD）で形状を適応的に適合させ、SDF補間による連続的なLODを可能にするオクツリーベースの特徴ボリュームを用いて、暗黙的曲面を表現する。さらに、疎なオクツリー探索を用いて必要なLODのみを照会することで、この新しいニューラルSDF表現をリアルタイムで直接レンダリングする効率的なアルゴリズムを開発した。 本手法の表現は、従来の手法と比較してレンダリング速度において2～3桁効率的であることを示す。さらに、3D幾何学的指標および2D画像空間指標の双方において、複雑な形状に対して最先端の再構成品質を実現する。
