RenderFormer++
PulseAugur coverage of RenderFormer++ — every cluster mentioning RenderFormer++ across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
RADIANT架构推进面向对象的全局光照渲染
研究人员开发了RADIANT，一种新颖的面向对象的神经Transformer架构，用于3D场景中的前馈全局光照。与之前将单个三角形进行分块的Transformer渲染器不同，RADIANT使用有限数量的表面块标记来表示每个对象，将注意力序列长度与网格分辨率解耦。这种方法显著降低了计算成本和训练时间，在一个大型基准数据集上取得了最先进的结果，并且训练步数远少于现有方法。
-
RenderFormer-V2 利用异构场景原语推进神经渲染
研究人员推出了 RenderFormer-V2，这是一种先进的神经渲染模型，可与现有的基于物理的渲染系统集成。该模型能够模拟复杂的光传输效果，包括焦散、体积散射和纹理表面，而无需进行每场景训练。RenderFormer-V2 采用新颖的两阶段 Transformer 架构，并增强了注意力机制，以提高可扩展性和准确性，并且它支持异构场景原语，如环境贴图和参与介质。
-
RenderFormer++ 通过物理基础和可扩展性推进神经渲染
研究人员推出 RenderFormer++，一个先进的前馈神经渲染框架，专为网格场景中的全局光照而设计。该新框架通过引入物理信息传输引导 (PITG) 来确保光传输的物理一致性，从而解决了先前基于 Transformer 的方法的局限性。此外，它利用分层以对象为中心的标记化 (HOCT) 通过将三角形级别的特征聚合到对象级别的标记中来提高可扩展性和效率。实验表明，RenderFormer++ 在渲染复杂、大规模场景方面提供了改进的物理…