Implizite neuronale Repräsentation von Texturen

Implicit neural representation of textures

February 2, 2026

Autoren: Albert Kwok, Zheyuan Hu, Dounia Hammou

cs.AI

Zusammenfassung

Implizite neuronale Repräsentation (INR) hat sich in verschiedenen Bereichen als präzise und effizient erwiesen. In dieser Arbeit untersuchen wir, wie verschiedene neuronale Netze als neue Textur-INR konzipiert werden können, die kontinuierlich statt diskret über den Eingabe-UV-Koordinatenraum operiert. Durch umfangreiche Experimente zeigen wir, dass diese INRs in Bezug auf Bildqualität gut abschneiden, bei moderatem Speicherverbrauch und Render-Inferenzzeit. Wir analysieren die Balance zwischen diesen Zielgrößen. Zusätzlich untersuchen wir verschiedene verwandte Anwendungen in Echtzeit-Rendering und nachgelagerten Aufgaben, wie Mipmap-Anpassung und INR-Raum-Generierung.

English

Implicit neural representation (INR) has proven to be accurate and efficient in various domains. In this work, we explore how different neural networks can be designed as a new texture INR, which operates in a continuous manner rather than a discrete one over the input UV coordinate space. Through thorough experiments, we demonstrate that these INRs perform well in terms of image quality, with considerable memory usage and rendering inference time. We analyze the balance between these objectives. In addition, we investigate various related applications in real-time rendering and down-stream tasks, e.g. mipmap fitting and INR-space generation.