Los puntos clave no están disponibles para este artículo en este momento.
Presentamos un diseño de renderizador diferenciable modular que ofrece un rendimiento superior a métodos anteriores al aprovechar tuberías gráficas de hardware existentes y altamente optimizadas. Nuestro diseño admite todas las operaciones cruciales en una tubería gráfica moderna: rasterización de grandes cantidades de triángulos, interpolación de atributos, búsquedas de texturas filtradas, así como sombreado y procesamiento de geometría programables por el usuario, todo en altas resoluciones. Nuestras primitivas modulares permiten construir tuberías gráficas personalizadas de alto rendimiento directamente dentro de marcos de diferenciación automática como PyTorch o TensorFlow. Como aplicación motivadora, formulamos la captura de rendimiento facial como un problema de renderizado inverso y mostramos que puede resolverse de manera eficiente utilizando nuestras herramientas. Nuestros resultados indican que este enfoque simple y directo logra una excelente correspondencia geométrica entre los resultados renderizados y las imágenes de referencia.
Laine et al. (Fri,) estudiaron esta cuestión.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: