論文の概要: An integrated light management system with real-time light measurement and human perception

• arxiv url: http://arxiv.org/abs/2004.08346v1
• Date: Fri, 17 Apr 2020 17:03:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-12 13:24:03.410250
• Title: An integrated light management system with real-time light measurement and human perception
• Title（参考訳）: リアルタイム光計測と人間の知覚を用いた統合光管理システム
• Authors: Theodore Tsesmelis, Irtiza Hasan, Marco Cristani, Alessio Del Bue and Fabio Galasso
• Abstract要約: そこで本研究では,光をリアルタイムに計測するLMSを提案する。 光の分布と知覚曲線の放射能への統合により、我々は新しく導入されたデータセット上で商用ソフトウェア(Relux)より優れています。 我々の新しいLMSは、シーンや人間の活動に光を当て、実験的な定量化によって最大66%の節約を可能にします。
• 参考スコア（独自算出の注目度）: 24.51513382673949
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Illumination is important for well-being, productivity and safety across several environments, including offices, retail shops and industrial warehouses. Current techniques for setting up lighting require extensive and expert support and need to be repeated if the scene changes. Here we propose the first fully-automated light management system (LMS) which measures lighting in real-time, leveraging an RGBD sensor and a radiosity-based light propagation model. Thanks to the integration of light distribution and perception curves into the radiosity, we outperform a commercial software (Relux) on a newly introduced dataset. Furthermore, our proposed LMS is the first to estimate both the presence and the attention of the people in the environment, as well as their light perception. Our new LMS adapts therefore lighting to the scene and human activity and it is capable of saving up to 66%, as we experimentally quantify,without compromising the lighting quality.
• Abstract（参考訳）: 照明は、オフィス、小売店、工業倉庫など、いくつかの環境における幸福、生産性、安全のために重要である。 現在の照明の設定技術は、広範囲で専門的な支援が必要であり、シーンが変わったら繰り返す必要がある。 本稿では,rgbdセンサと放射能に基づく光伝搬モデルを用いて,リアルタイムの照明計測を行う初の全自動光管理システム(lms)を提案する。 光の分布と知覚曲線の放射能への統合により、我々は新しく導入されたデータセット上で商用ソフトウェア(Relux)より優れています。 さらに, 提案したLMSは, 光の知覚だけでなく, 環境中の人々の存在と注意の両方を推定した最初のものである。 新しいlmsは照明をシーンや人間の活動に適応させ、最大66%の節約が可能で、光の品質を損なうことなく、実験的に定量化しています。

関連論文リスト

• LightLLM: A Versatile Large Language Model for Predictive Light Sensing [15.253002465484355]
  LightLLMは、光ベースのセンシングタスクのための訓練済みの大規模言語モデル(LLM)を微調整するモデルである。 センサーデータエンコーダを統合して、重要な特徴を抽出し、環境情報を提供するためのコンテキストプロンプトと、これらの入力を統一された表現に結合する融合層を統合する。 光による局所化,屋外日射予測,室内日射推定の3つのタスクにLightLLMを実装した。
  論文  参考訳（メタデータ） (2024-11-20T11:37:33Z)
• CleAR: Robust Context-Guided Generative Lighting Estimation for Mobile Augmented Reality [6.292933471495322]
  我々は,360$circ$画像のフォーマットで高品質な環境マップを作成できるCleARと呼ばれるジェネレーティブ照明推定システムを提案する。 エンドツーエンドの生成推定には3.2秒の速さで、最先端の手法を110倍に向上させる。
  論文  参考訳（メタデータ） (2024-11-04T15:37:18Z)
• LIPIDS: Learning-based Illumination Planning In Discretized (Light) Space for Photometric Stereo [19.021200954913475]
  光度ステレオは、被写体の異なる照明画像から画素当たりの表面正規値を得るための強力な方法である。 照明の方向が多すぎるため、最適な設定を見つけることは困難である。 LIPIDS(Learning-based Illumination Planning in Discretized Light Space)を紹介する。
  論文  参考訳（メタデータ） (2024-09-01T09:54:16Z)
• SplitNeRF: Split Sum Approximation Neural Field for Joint Geometry, Illumination, and Material Estimation [65.99344783327054]
  本稿では, 実世界の物体の形状, 材料特性, 照明特性を推定してデジタル化する手法を提案する。 提案手法は,実時間物理ベースのレンダリングに画像ベースの照明で使用される分割和近似を,レーダランスニューラルネットワーク(NeRF)パイプラインに組み込む。 提案手法は,NVIDIA A100 GPUを1つのGPUで1時間に1ドル程度のトレーニングをした後で,最先端のリライト品質を実現することができる。
  論文  参考訳（メタデータ） (2023-11-28T10:36:36Z)
• Improving Lens Flare Removal with General Purpose Pipeline and Multiple Light Sources Recovery [69.71080926778413]
  フレアアーティファクトは、画像の視覚的品質と下流のコンピュータビジョンタスクに影響を与える。 現在の方法では、画像信号処理パイプラインにおける自動露光やトーンマッピングは考慮されていない。 本稿では、ISPを再検討し、より信頼性の高い光源回収戦略を設計することで、レンズフレア除去性能を向上させるソリューションを提案する。
  論文  参考訳（メタデータ） (2023-08-31T04:58:17Z)
• Neural Light Field Estimation for Street Scenes with Differentiable Virtual Object Insertion [129.52943959497665]
  既存の屋外照明推定の作業は通常、シーン照明を環境マップに単純化する。 単一画像から5次元HDR光場を推定するニューラルネットワークを提案する。 自律運転アプリケーションにおけるARオブジェクト挿入の利点を示す。
  論文  参考訳（メタデータ） (2022-08-19T17:59:16Z)
• Event Guided Depth Sensing [50.997474285910734]
  バイオインスパイアされたイベントカメラ駆動深度推定アルゴリズムを提案する。 提案手法では,イベントカメラが検出したシーン活動に応じて,関心領域を高密度に照明する。 シミュレーションされた自律運転シーケンスと実際の屋内環境におけるアプローチの実現可能性を示す。
  論文  参考訳（メタデータ） (2021-10-20T11:41:11Z)
• Sparse Needlets for Lighting Estimation with Spherical Transport Loss [89.52531416604774]
  NeedleLightは、新しい照明推定モデルであり、必要に応じて照明を表現し、周波数領域と空間領域を共同で照明推定することができる。 大規模な実験により、NeedleLightは、最先端の手法と比較して、複数の評価指標で常に優れた照明推定を実現していることがわかった。
  論文  参考訳（メタデータ） (2021-06-24T15:19:42Z)
• GMLight: Lighting Estimation via Geometric Distribution Approximation [86.95367898017358]
  本稿では,効率的な照明推定のための回帰ネットワークと生成プロジェクタを用いた照明推定フレームワークを提案する。 幾何学的な光の分布、光強度、周囲条件、および補助深さの点から照明シーンをパラメータ化し、純粋な回帰タスクとして推定します。 推定照明パラメータを用いて、生成プロジェクタはパノラマ照明マップを現実的な外観と周波数で合成する。
  論文  参考訳（メタデータ） (2021-02-20T03:31:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。