テクスチャの暗黙的ニューラル表現

Implicit neural representation of textures

February 2, 2026

著者: Albert Kwok, Zheyuan Hu, Dounia Hammou

cs.AI

要旨

暗黙的神経表現（INR）は様々な領域で高精度かつ効率的であることが実証されている。本研究では、入力UV座標空間において離散的ではなく連続的に動作する新たなテクスチャINRとして、異なるニューラルネットワークをどのように設計できるかを探求する。詳細な実験を通じて、これらのINRが画像品質の面で優れた性能を発揮し、メモリ使用量とレンダリング推論時間においても良好な結果を示すことを実証する。我々はこれらの目的間のバランスを分析する。さらに、ミップマップフィッティングやINR空間生成など、リアルタイムレンダリングおよび下流タスクにおける様々な関連応用について調査する。

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.