Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
STAR-NT는 신경 투명도 렌더링의 높은 연산 비용을 줄이기 위한 시공간적 가속화 프레임워크를 제안합니다. 적응형 쿼드트리 기반의 공간 분할과 깊이 기반 재투영 기술을 통해 시각적 품질을 유지하며 실시간 렌더링 효율을 높입니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.LG의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기신경 순서 독립적 투명도 (Neural order-independent transparency)는 겹쳐진 투명 표면의 고품질 렌더링을 제공하지만, 기하 구조 패스 (geometry passes) 및 네트워크 입력 생성 비용이 여전히 높으며, 특히 모바일 및 레거시 하드웨어에서 그러합니다. 본 논문에서는 시각적 품질을 유지하면서 이러한 오버헤드를 줄이기 위해 공간적 및 시간적 일관성 (spatial and temporal coherence)을 활용하는 시공간적 가속화 프레임워크를 제시합니다. 공간적으로는, 국부적 색상 분산 (local color variance)에 따라 기하 패스 해상도를 조절하기 위해 적응형 쿼드트리 기반 스크린 공간 분할 (adaptive quadtree-based screen-space subdivision)을 사용합니다. 시간적으로는, 선택된 프레임이 전체 렌더링 대신 깊이 기반 재투영 (depth-based reprojection)을 통해 이전의 투명도 결과를 재사용합니다. 이러한 최적화들을 결합함으로써 렌더링 비용을 줄이고 기존의 실시간 렌더링 파이프라인 (real-time rendering pipelines)에 효율적으로 통합할 수 있습니다.