텍스처의 암묵적 신경망 표현

초록

암시적 신경망 표현(INR)은 다양한 영역에서 정확하고 효율적인 것으로 입증되었습니다. 본 연구에서는 다양한 신경망이 입력 UV 좌표 공간에서 이산적 방식이 아닌 연속적 방식으로 작동하는 새로운 텍스처 INR로 어떻게 설계될 수 있는지 탐구합니다. 철저한 실험을 통해 이러한 INR이 상당한 메모리 사용량과 렌더링 추론 시간을 가지면서도 이미지 품질 측면에서 우수한 성능을 보임을 입증합니다. 우리는 이러한 목표들 간의 균형을 분석합니다. 또한 실시간 렌더링 및 하위 작업(예: 밉맵 fitting 및 INR-공간 생성)에서의 다양한 관련 응용 분야를 조사합니다.

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.

텍스처의 암묵적 신경망 표현

Implicit neural representation of textures

초록

Support