| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2024-11-29 11:10 Edge情報に基づく光線サンプリングを用いたニューラル速度場の学習 ○伊藤颯汰・林 良和（岐阜大）・相澤宏旭（広島大）・加藤邦人（岐阜大）  PRMU2024-10 |
|
| 抄録 | （和） | Neural Velocity Fields for 3D Physics Learning from Dynamic Videos (NVFi) は, 動的 3D シーンにおける形状,外観に加えて, 速度を物理法則に基づく制約を用いて学習することで, 将来のフレーム外挿を実現した. NVFi の速度学習に用いられる発散定理は, 速度の連続性を保つ役割がある. しかし, 発散定理は動的物体と背景領域の境界においても速度の連続性を強制する. そのため, 速度を持たない背景領域に影響を受け, 動的物体の速度低下が発生し, 外挿フレームの品質が低下する問題がある. 提案手法は, NVFi の形状情報から算出する Edge を基に物体境界を特定し, 非物体境界領域に対してのみ発散定理を適用する. これにより, 正確な速度場を学習し, 内挿フレームと外挿フレームの生成品質を向上させる. Dynamic Object Dataset を用いて実験を行った結果, 内挿フレームにおいて PSNR が 1.6%, 外挿フレームにおいて 0.8% 向上した. |
| （英） | Neural Velocity Fields for 3D Physics Learning from Dynamic Videos (NVFi) enables future frame extrapolation by learning not only the shape and appearance of dynamic 3D scenes but also velocity using constraints based on physical laws. The divergence theorem, employed for velocity learning in NVFi, serves to maintain velocity continuity. However, the divergence theorem also enforces continuity of velocity at the boundaries between dynamic objects and background regions. As a result, the dynamic objects’ velocities decrease due to the influence of the background regions, which have no velocity, leading to reduced quality in extrapolated frames. The proposed method addresses this issue by identifying object boundaries based on edges computed from NVFi’s shape information and applying the divergence theorem only to non-object boundary regions. This approach enables the learning of a more accurate velocity field and improves the quality of both interpolated and extrapolated frames. Experiments conducted using the Dynamic Object Dataset showed a 1.6% improvement in PSNR for interpolated frames and a 0.8% improvement for extrapolated frames. |
|
| キーワード | （和） | NeRF / 物理に基づく深層学習 / 動的 3D シーン / / / / / |
| （英） | NeRF / Physics-Informed Neural Network / Dynamic 3D Scene / / / / / | |
| 文献情報 | 信学技報, vol. 124, no. 281, PRMU2024-10, pp. 13-18, 2024年11月. | |
| 資料番号 | PRMU2024-10 | |
| 発行日 | 2024-11-22 (PRMU) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | PRMU2024-10 |
|
| 研究会情報 | |
| 研究会 | PRMU IPSJ-CVIM IPSJ-CGVI IPSJ-DCC |
| 開催期間 | 2024-11-29 - 2024-11-30 |
| 開催地（和） | 福井工業大学 福井キャンパス |
| 開催地（英） | |
| テーマ（和） | 生成・創造のためのCV/CG/DCC/PR技術 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | PRMU |
| 会議コード | 2024-11-PRMU-CVIM-CGVI-DCC |
| 本文の言語 | 日本語 |
| タイトル（和） | Edge情報に基づく光線サンプリングを用いたニューラル速度場の学習 |
| サブタイトル（和） | |
| タイトル（英） | Learning Neural Velocity Fields using Edge-based Ray Sampling |
| サブタイトル（英） | |
| キーワード(1)（和/英） | NeRF / NeRF |
| キーワード(2)（和/英） | 物理に基づく深層学習 / Physics-Informed Neural Network |
| キーワード(3)（和/英） | 動的 3D シーン / Dynamic 3D Scene |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 伊藤 颯汰 / Sota Ito / イトウ ソウタ |
| 第1著者 所属（和/英） | 岐阜大学 (略称： 岐阜大) Gifu University (略称： Gifu Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 林 良和 / Yoshikazu Hayashi / ハヤシ ヨシカズ |
| 第2著者 所属（和/英） | 岐阜大学 (略称： 岐阜大) Gifu University (略称： Gifu Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 相澤 宏旭 / Hiroaki Aizawa / |
| 第3著者 所属（和/英） | 広島大学 (略称： 広島大) Hiroshima University (略称： Hiroshima Univ) |
| 第4著者 氏名（和/英/ヨミ） | 加藤 邦人 / Kunihito Kato / カトウ クニヒト |
| 第4著者 所属（和/英） | 岐阜大学 (略称： 岐阜大) Gifu University (略称： Gifu Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-11-29 11:10:00 |
| 発表時間 | 15分 |
| 申込先研究会 | PRMU |
| 資料番号 | PRMU2024-10 |
| 巻番号（vol） | vol.124 |
| 号番号（no） | no.281 |
| ページ範囲 | pp.13-18 |
| ページ数 | 6 |
| 発行日 | 2024-11-22 (PRMU) |
[研究会発表申込システムのトップページに戻る]