FreNBRDF: 주파수 보정 신경망 기반 재질 표현

초록

정확한 재질 모델링은 컴퓨터 생성 이미지와 실제 사진 간의 차이를 줄이고, 사실적인 렌더링을 달성하는 데 있어 핵심적인 역할을 합니다. 기존의 접근 방식은 표로 정리된 BRDF 데이터에 의존해 왔지만, 최근 연구는 다양한 작업에 대해 간결하고 유연한 프레임워크를 제공하는 암묵적 신경망 표현으로 전환되고 있습니다. 그러나 이러한 방법들의 주파수 영역에서의 동작은 아직 잘 이해되지 않고 있습니다. 이를 해결하기 위해, 우리는 주파수 보정 신경 재질 표현인 FreNBRDF를 제안합니다. 구면 조화 함수를 활용하여 신경망 BRDF 모델링에 주파수 영역 고려사항을 통합합니다. 또한, 신경 재질의 주파수 분석에서 도출된 새로운 주파수 보정 손실 함수를 제안하고, 이를 일반화 가능하며 적응형 재구성 및 편집 파이프라인에 통합합니다. 이 프레임워크는 충실도, 적응성, 효율성을 향상시킵니다. 광범위한 실험을 통해, 우리의 방법이 최신 기법들에 비해 재질 외관 재구성 및 편집의 정확성과 견고성을 개선하며, 더 구조화되고 해석 가능한 하위 작업과 응용 프로그램을 가능하게 한다는 것을 입증합니다.

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.

FreNBRDF: 주파수 보정 신경망 기반 재질 표현

FreNBRDF: A Frequency-Rectified Neural Material Representation

초록

Support