Current Result Document :
| 한글제목(Korean Title) |
Neural Radiance Fields와 깊이 정보를 활용한 Neural Radiance Fields의 성능 비교 분석 |
| 영문제목(English Title) |
Performance Comparison Analysis of Neural Radiance Fields and Neural Radiance Fields Using Depth Information |
| 저자(Author) |
원윤구
최예인
김지수
황성수
Yun-Gu Won
Ye-In Choi
Ji-Soo Kim
Sung-Soo Hwang
|
| 원문수록처(Citation) |
VOL 49 NO. 01 PP. 2216 ~ 2218 (2022. 06) |
한글내용
(Korean Abstract) |
본 논문에서는 가상 시점을 생성하는 기술인 Neural Radiance Fields(NeRF)와 이를 개선한 깊이 정보를 활용한 NeRF(Surface Based Sampling NeRF, SBS NeRF)를 이용하여 비교적 가까운 거리의 물체가 있는 실내와 이보다 먼 거리의 물체가 있는 실내, 두 장소에 대하여 실험을 진행하였다. 본 연구에서는 두 종류의 NeRF를 두 종류의 데이터 세트, Normalized Device Coordinates(NDC) 적용 유무에 따라 나누어 실험을 진행하였고, SBS NeRF에서는 깊이 값 주변 표본 추출 범위에 따라 실험을 추가로 진행하였다. NDC를 적용한 이유는 NeRF 논문에서 정면에서 바라본 데이터를 사용할 때, NDC를 적용하면 성능이 더 좋아질 것이라고 했기 때문이다[1]. 이것들을 포함한 본 실험을 통해 확인 가능했던 내용은 다음과 같았다. 두 NeRF에 NDC를 적용한다고 성능이 개선되지는 않았다. 이런 결과가 나온 이유로는 NeRF 논문과 달리 실제 촬영한 데이터를 사용했다는 점과 NDC가 깊이 정보까지 정규화하여 오차가 발생했다는 점을 들 수 있다. 또한, NDC를 적용하지 않은 상태에서 두 NeRF를 비교했을 때는 SBS NeRF가 더 빠른 렌더링 시간을 보이는 것을 확인할 수 있었다. 이에 대한 이유로는 SBS NeRF에서 표본 추출된 점들이 물체가 실제 존재하는 위치와 근접한 위치에 있어 렌더링에 더 많은 기여를 하기 때문이다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
