論文の概要: Light Pose Calibration for Camera-light Vision Systems

• arxiv url: http://arxiv.org/abs/2006.15389v1
• Date: Sat, 27 Jun 2020 15:56:13 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-16 07:59:33.531383
• Title: Light Pose Calibration for Camera-light Vision Systems
• Title（参考訳）: カメラ・ライトビジョンシステムのための光ポーズ校正
• Authors: Yifan Song, Furkan Elibol, Mengkun She, David Nakath and Kevin K\"oser
• Abstract要約: 本稿では,参照面の多視点・距離画像を用いた新しい光キャリブレーション手法を提案する。 光ポーズの推定は、実際の画素強度とレンダリングされた画素強度の差を最小化することにより解決される。 結果は回転対称非等方性光を用いて実証されるが、非対称光にも適している。
• 参考スコア（独自算出の注目度）: 6.2122699483618
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Illuminating a scene with artificial light is a prerequisite for seeing in dark environments. However, nonuniform and dynamic illumination can deteriorate or even break computer vision approaches, for instance when operating a robot with headlights in the darkness. This paper presents a novel light calibration approach by taking multi-view and -distance images of a reference plane in order to provide pose information of the employed light sources to the computer vision system. By following a physical light propagation approach, under consideration of energy preservation, the estimation of light poses is solved by minimizing of the differences between real and rendered pixel intensities. During the evaluation we show the robustness and consistency of this method by statistically analyzing the light pose estimation results with different setups. Although the results are demonstrated using a rotationally-symmetric non-isotropic light, the method is suited also for non-symmetric lights.
• Abstract（参考訳）: 人工光でシーンを照らすことは、暗い環境で見るための前提条件である。 しかし、例えば暗闇の中でヘッドライトでロボットを操作する場合、不均一でダイナミックな照明はコンピュータビジョンのアプローチを損なうことがある。 本稿では,コンピュータビジョンシステムに採用した光源のポーズ情報を提供するために,参照面の多視点・距離画像を用いて新しい光キャリブレーション手法を提案する。 物理的光伝搬アプローチに従い、エネルギー保存を考慮した光ポーズの推定は、実数とレンダリングされた画素強度の差を最小化することにより解決される。 評価中、異なる設定で光ポーズ推定結果を統計的に解析することにより、この手法の堅牢性と一貫性を示す。 結果は回転対称非等方性光を用いて実証されるが、非対称光にも適している。

関連論文リスト

• 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)
• WildLight: In-the-wild Inverse Rendering with a Flashlight [77.31815397135381]
  本研究では、未知の環境光下での逆レンダリングのための実用的な測光ソリューションを提案する。 本システムは,スマートフォンで撮影した多視点画像のみを用いて,シーン形状と反射率を復元する。 提案手法は実装が容易で,セットアップも容易で,既存の逆レンダリング技術よりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2023-03-24T17:59:56Z)
• NeIF: Representing General Reflectance as Neural Intrinsics Fields for Uncalibrated Photometric Stereo [70.71400320657035]
  非平衡測光ステレオ(UPS)は、未知の光によってもたらされる固有の曖昧さのために困難である。 本稿では,光の手がかりと光推定との暗黙の関係を確立し,教師なしの方法でUPSを解く。
  論文  参考訳（メタデータ） (2022-08-18T15:11:24Z)
• 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)
• EMLight: Lighting Estimation via Spherical Distribution Approximation [33.26530733479459]
  本稿では,回帰ネットワークとニューラルプロジェクタを用いて正確な照明推定を行う照明推定フレームワークを提案する。 照明マップを球状光分布、光強度、周囲期間に分解します。 予測された球面分布、光強度、周囲項の誘導の下で、神経プロジェクターは現実的な光周波数でパノラマ照明マップを合成する。
  論文  参考訳（メタデータ） (2020-12-21T04:54:08Z)
• Light Stage Super-Resolution: Continuous High-Frequency Relighting [58.09243542908402]
  光ステージから採取した人間の顔の「超解像」を学習ベースで解析する手法を提案する。 本手法では,ステージ内の隣接する照明に対応する撮像画像を集約し,ニューラルネットワークを用いて顔の描画を合成する。 我々の学習モデルは、リアルな影と特異なハイライトを示す任意の光方向のレンダリングを生成することができる。
  論文  参考訳（メタデータ） (2020-10-17T23:40:43Z)
• Deep Bilateral Retinex for Low-Light Image Enhancement [96.15991198417552]
  低照度画像は、低コントラスト、色歪み、測定ノイズによる視界の低下に悩まされる。 本稿では,低照度画像強調のための深層学習手法を提案する。 提案手法は最先端の手法と非常に競合し, 極めて低照度で撮影した画像の処理において, 他に比べて大きな優位性を有する。
  論文  参考訳（メタデータ） (2020-07-04T06:26:44Z)
• Visual Perception Model for Rapid and Adaptive Low-light Image Enhancement [19.955016389978926]
  低照度画像強調は、低照度環境における情報知覚のための人間の視覚システム(HVS)の感度が不十分な問題に対処するための有望な解決策である。 以前のRetinexベースの作品は、常に光強度を推定することによって強化タスクを達成している。 本稿では,視覚の正確な数学的記述を得るために,視覚知覚(VP)モデルを提案する。
  論文  参考訳（メタデータ） (2020-05-15T03:47:10Z)

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。