Impliciete neurale representatie van texturen
Implicit neural representation of textures
February 2, 2026
Auteurs: Albert Kwok, Zheyuan Hu, Dounia Hammou
cs.AI
Samenvatting
Impliciete neurale representatie (INR) heeft zich bewezen als nauwkeurig en efficiënt in diverse domeinen. In dit werk onderzoeken we hoe verschillende neurale netwerken kunnen worden ontworpen als een nieuwe textuur-INR, die op een continue in plaats van discrete manier opereert in de invoer-UV-coördinaatruimte. Door grondige experimenten tonen we aan dat deze INR's goed presteren qua beeldkwaliteit, met aanzienlijk geheugengebruik en inferentietijd bij rendering. We analyseren de balans tussen deze doelstellingen. Daarnaast onderzoeken we diverse gerelateerde toepassingen in real-time rendering en downstreamtaken, zoals mipmap-fitting en INR-ruimtegeneratie.
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.