[論文レビュー] ADOP: Approximate Differentiable One-Pixel Point Rendering

Darius Rückert, Linus Franke+1 more|arXiv (Cornell University)|Oct 13, 2021

Advanced Vision and Imaging参考文献 81被引用数 22

ひとこと要約

ADOPは、構造的パrameter（カメラポーズ、ポイント位置、レンズ歪み）と光度的パrameter（露出、ホワイトバランス、カメラ応答関数）を同時に最適化することで、リアルタイムで高精細な新規ビュー合成を実現する微分可能で1ピクセルのスプラットを用いたニューラルレンダリングパイプラインを導入する。1ピクセルスプラットの勾配近似を通じて微分可能にすることで、入力の不一致を是正する逆レンダリングが可能となり、1000万点を超えるシーンや露出が異なる入力に対しても、コンsumer GPUで30 FPSのリアルタイム性能を達成する。

ABSTRACT

In this paper we present ADOP, a novel point-based, differentiable neural rendering pipeline. Like other neural renderers, our system takes as input calibrated camera images and a proxy geometry of the scene, in our case a point cloud. To generate a novel view, the point cloud is rasterized with learned feature vectors as colors and a deep neural network fills the remaining holes and shades each output pixel. The rasterizer renders points as one-pixel splats, which makes it very fast and allows us to compute gradients with respect to all relevant input parameters efficiently. Furthermore, our pipeline contains a fully differentiable physically-based photometric camera model, including exposure, white balance, and a camera response function. Following the idea of inverse rendering, we use our renderer to refine its input in order to reduce inconsistencies and optimize the quality of its output. In particular, we can optimize structural parameters like the camera pose, lens distortions, point positions and features, and a neural environment map, but also photometric parameters like camera response function, vignetting, and per-image exposure and white balance. Because our pipeline includes photometric parameters, e.g.~exposure and camera response function, our system can smoothly handle input images with varying exposure and white balance, and generates high-dynamic range output. We show that due to the improved input, we can achieve high render quality, also for difficult input, e.g. with imperfect camera calibrations, inaccurate proxy geometry, or varying exposure. As a result, a simpler and thus faster deep neural network is sufficient for reconstruction. In combination with the fast point rasterization, ADOP achieves real-time rendering rates even for models with well over 100M points. https://github.com/darglein/ADOP

研究の動機と目的

• 入力画像の不一致（露出のばらつき、キャリブレーションのずれ、不完全なプロキシジオメトリ）が新規ビュー合成の品質を低下させる問題に対処すること。
• 構造的および光度的パrameterの両方を最適化可能な完全に微分可能なポイントベースレンダラーを構築すること。
• 1000万点を超える複雑なシーンに対しても、標準的なハードウェアでリアルタイムレンダリング（30 FPS）を実現すること。
• 入力の一貫性を自己最適化によって向上させることで、複雑なニューラルネットワークへの依存を低減すること。
• 異なる露出設定を前提としない高ダイナミックレンジ（HDR）出力と柔軟なトーンマッピングを、微分可能な光度モデルによって実現すること。

提案手法

• 1ピクセルスプラットのラスタライザーを用い、非微分可能なポイントレンダリングにおける空間勾配を近似することで、ポイント位置およびカメラパrameterを介したバックプロパゲーションを可能にする。
• ポイントクラウドを学習済みの特徴ベクトルを用いてラスタライズすることで生成される多スケールのスパース特徴マップから、深層ニューラルネットワークが最終的な画像を再構築する。
• 露出、ホワイトバランス、カメラ応答関数、ヴィニャケット効果を含む完全に微分可能な光度的カメラモデルを統合する。
• 逆レンダリングを適用し、レンダリング誤差を最小化するように入力パrameter（カメラポーズ、ポイント位置、露出など）を最適化することで、入力の一貫性を向上させる。
• ニューラルネットワークの重み、特徴ベクトル、構造的／光度的パrameterを統一された微分可能フレームワーク内でエンドツーエンド最適化可能にする。
• 効率的なポイントベースのラスタライズとネットワーク圧縮によりレンダリングを高速化し、コンsumer GPU上でのリアルタイム推論を実現する。

実験結果

リサーチクエスチョン

• RQ1 微分可能なポイントベースレンダラーは、構造的および光度的パrameterを同時に最適化することで、新規ビュー合成の品質を向上させることができるか？
• RQ2 1ピクセルスプラットによる勾配近似は、非微分可能なレンダリング操作を経由したバックプロパゲーションをどの程度有効に可能にするか？
• RQ3 露出のばらつきやカメラのキャリブレーションずれといった入力の不一致は、微分可能パイプラインにおける逆レンダリングによってどの程度是正可能か？
• RQ4 1000万点を超える複雑なシーンに対し、軽量なニューラルネットワークを用いてもリアルタイムレンダリング（30 FPS）を達成できるか？
• RQ5 露出設定の事前知識なしにHDR出力が生成可能で、柔軟なトーンマッピングが可能か？

主な発見

• ADOPは、1000万点を超えるシーンに対しても、標準的なGPUハードウェアで30 FPSのリアルタイムレンダリングを達成する。
• 個々の画像の露出とホワイトバランスを最適化することで、露出のばらつきに起因する明るさのパッチなどのレンダリングアーティファクトを低減する。
• 入力パrameterの最適化により、高品質なレンダリングを維持しながらも、より単純で高速なニューラルネットワークの使用が可能になる。
• 学習済みの特徴は高ダイナミックレンジでシーンのテクスチャを表現でき、推論時に柔軟なトーンマッピング（例：自然な外観を得るためのフィルム的トーンマッピング）が可能になる。
• 露出差が最大8.7 EV（約427倍）に達する入力画像に対しても、トレーニング中に露出を是正することで、斑点のようなアーティファクトを回避する。
• カメラが物体に非常に近づいたり、ポイントクラウドが疎だったりする極端な視点条件下では、フレイキングやホールアーティファクトが発生し、穴埋め能力の限界が顕在化する。