FreNBRDF: 周波数補正型ニューラルマテリアル表現

FreNBRDF: A Frequency-Rectified Neural Material Representation

July 1, 2025

著者: Chenliang Zhou, Zheyuan Hu, Cengiz Oztireli

cs.AI

要旨

正確なマテリアルモデリングは、フォトリアルなレンダリングを実現し、コンピュータ生成画像と実世界の写真とのギャップを埋めるために極めて重要です。従来のアプローチは表形式のBRDFデータに依存していましたが、最近の研究では、さまざまなタスクに対してコンパクトで柔軟なフレームワークを提供する暗黙的なニューラル表現に焦点が移っています。しかし、その周波数領域での挙動は十分に理解されていません。この問題に対処するため、我々は周波数補正されたニューラルマテリアル表現であるFreNBRDFを提案します。球面調和関数を活用することで、ニューラルBRDFモデリングに周波数領域の考慮事項を統合します。ニューラルマテリアルの周波数分析に基づいて導出された新しい周波数補正損失を提案し、それを一般化可能で適応的な再構成および編集パイプラインに組み込みます。このフレームワークは、忠実度、適応性、効率性を向上させます。広範な実験により、\oursが最先端のベースラインと比較して、マテリアル外観の再構成と編集の精度と堅牢性を向上させ、より構造化され解釈可能な下流タスクやアプリケーションを可能にすることが実証されています。

English

Accurate material modeling is crucial for achieving photorealistic rendering, bridging the gap between computer-generated imagery and real-world photographs. While traditional approaches rely on tabulated BRDF data, recent work has shifted towards implicit neural representations, which offer compact and flexible frameworks for a range of tasks. However, their behavior in the frequency domain remains poorly understood. To address this, we introduce FreNBRDF, a frequency-rectified neural material representation. By leveraging spherical harmonics, we integrate frequency-domain considerations into neural BRDF modeling. We propose a novel frequency-rectified loss, derived from a frequency analysis of neural materials, and incorporate it into a generalizable and adaptive reconstruction and editing pipeline. This framework enhances fidelity, adaptability, and efficiency. Extensive experiments demonstrate that \ours improves the accuracy and robustness of material appearance reconstruction and editing compared to state-of-the-art baselines, enabling more structured and interpretable downstream tasks and applications.