論文の概要: Invertible Neural BRDF for Object Inverse Rendering

• arxiv url: http://arxiv.org/abs/2008.04030v2
• Date: Tue, 11 Aug 2020 04:15:00 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-31 23:05:26.610191
• Title: Invertible Neural BRDF for Object Inverse Rendering
• Title（参考訳）: 物体逆レンダリングのための可逆的ニューラルBRDF
• Authors: Zhe Chen, Shohei Nobuhara, and Ko Nishino
• Abstract要約: 本稿では,新しいニューラルネットワークに基づくBRDFモデルと,オブジェクト逆レンダリングのためのベイズフレームワークを提案する。 多数の測定データに基づいて, 可逆性ニューラルBRDFモデルの精度を実験的に検証した。 結果は、ディープニューラルネットワークが逆問題に挑戦するのに役立つ新しい方法を示している。
• 参考スコア（独自算出の注目度）: 27.86441556552318
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce a novel neural network-based BRDF model and a Bayesian framework for object inverse rendering, i.e., joint estimation of reflectance and natural illumination from a single image of an object of known geometry. The BRDF is expressed with an invertible neural network, namely, normalizing flow, which provides the expressive power of a high-dimensional representation, computational simplicity of a compact analytical model, and physical plausibility of a real-world BRDF. We extract the latent space of real-world reflectance by conditioning this model, which directly results in a strong reflectance prior. We refer to this model as the invertible neural BRDF model (iBRDF). We also devise a deep illumination prior by leveraging the structural bias of deep neural networks. By integrating this novel BRDF model and reflectance and illumination priors in a MAP estimation formulation, we show that this joint estimation can be computed efficiently with stochastic gradient descent. We experimentally validate the accuracy of the invertible neural BRDF model on a large number of measured data and demonstrate its use in object inverse rendering on a number of synthetic and real images. The results show new ways in which deep neural networks can help solve challenging radiometric inverse problems.
• Abstract（参考訳）: 本稿では,新しいニューラルネットワークに基づくbrdfモデルと物体逆レンダリングのためのベイズフレームワーク,すなわち既知の幾何学的物体の単一画像からの反射率と自然照明の同時推定を提案する。 BRDFは、高次元表現の表現力、コンパクトな解析モデルの計算単純さ、実世界のBRDFの物理的妥当性を提供する、非可逆ニューラルネットワーク、すなわち正規化フローで表現される。 このモデルを条件づけることで、実世界の反射率の潜在空間を抽出し、直接的に強い反射率をもたらす。 我々は,このモデルを可逆的ニューラルBRDFモデル (iBRDF) と呼ぶ。 また,深層ニューラルネットワークの構造バイアスを活用することで,先行して深い照明を考案する。 この新しいBRDFモデルと反射率と照明前処理をMAP推定式に組み込むことにより,この関節推定が確率勾配勾配で効率的に計算可能であることを示す。 我々は,多数の計測データに対して,可逆性ニューラルBRDFモデルの精度を実験的に検証し,多数の合成画像および実画像上でのオブジェクト逆レンダリングでの使用を実証した。 その結果, 深層ニューラルネットワークが, 放射線計測逆問題を解くための新しい方法が示された。

関連論文リスト

• Physically Based Neural Bidirectional Reflectance Distribution Function [40.726751711127946]
  我々はPBNBRDFを物理ベースとしたニューラル双方向反射分布関数を導入する。 本モデルは,現実的なBRDFの物理特性を独自に保ちながら,現実世界の物質を正確に再構成する。
  論文  参考訳（メタデータ） (2024-11-04T18:17:44Z)
• NeRF-Casting: Improved View-Dependent Appearance with Consistent Reflections [57.63028964831785]
  最近の研究は、遠方の環境照明の詳細な明細な外観を描画するNeRFの能力を改善しているが、近い内容の一貫した反射を合成することはできない。 我々はこれらの問題をレイトレーシングに基づくアプローチで解決する。 このモデルでは、それぞれのカメラ線に沿った点における視界依存放射率を求めるために高価なニューラルネットワークをクエリする代わりに、これらの点から光を流し、NeRF表現を通して特徴ベクトルを描画します。
  論文  参考訳（メタデータ） (2024-05-23T17:59:57Z)
• NePF: Neural Photon Field for Single-Stage Inverse Rendering [6.977356702921476]
  多視点画像の逆レンダリングに対処するために,新しい単一ステージフレームワークNePF(Neural Photon Field)を提案する。 NePFは、神経暗黙表面の重み関数の背後にある物理的意味を完全に活用することで、この統一を実現する。 我々は本手法を実データと合成データの両方で評価する。
  論文  参考訳（メタデータ） (2023-11-20T06:15:46Z)
• TensoIR: Tensorial Inverse Rendering [51.57268311847087]
  テンソルIRはテンソル分解とニューラルフィールドに基づく新しい逆レンダリング手法である。 TensoRFは、放射場モデリングのための最先端のアプローチである。
  論文  参考訳（メタデータ） (2023-04-24T21:39:13Z)
• Physics-based Indirect Illumination for Inverse Rendering [70.27534648770057]
  本稿では,複数視点のRGB画像からシーンの照明,幾何学,材料を学習する物理ベースの逆レンダリング手法を提案する。 副産物として、我々の物理ベースの逆レンダリングモデルは、フレキシブルでリアルな素材編集やリライティングを容易にする。
  論文  参考訳（メタデータ） (2022-12-09T07:33:49Z)
• IntrinsicNeRF: Learning Intrinsic Neural Radiance Fields for Editable Novel View Synthesis [90.03590032170169]
  内在性ニューラルレンダリング法に内在性分解を導入した内在性ニューラルレイディアンス場(IntrinsicNeRF)を提案する。 そこで,本研究では,オブジェクト固有・ルームスケールシーンと合成・実単語データの両方を用いて,一貫した本質的な分解結果が得られることを示す。
  論文  参考訳（メタデータ） (2022-10-02T22:45:11Z)
• Neural apparent BRDF fields for multiview photometric stereo [22.11062920603769]
  ニューラル・ラジアンス・フィールド(NeRF)の拡張を用いた多視点測光ステレオ問題への取り組みを提案する。 神経表現の幾何学的部分は表面の正常な方向を予測し、局所的な表面反射について推論することができる。 提案手法を多視点光度ステレオベンチマークで実証し,NeRFのニューラル密度表現により競合性能が得られることを示す。
  論文  参考訳（メタデータ） (2022-07-14T10:16:25Z)
• Robust lEarned Shrinkage-Thresholding (REST): Robust unrolling for sparse recover [87.28082715343896]
  我々は、モデルミス特定を前進させるのに堅牢な逆問題を解決するためのディープニューラルネットワークについて検討する。 我々は,アルゴリズムの展開手法を根底にある回復問題のロバストバージョンに適用することにより,新しい堅牢なディープニューラルネットワークアーキテクチャを設計する。 提案したRESTネットワークは,圧縮センシングとレーダイメージングの両問題において,最先端のモデルベースおよびデータ駆動アルゴリズムを上回る性能を示す。
  論文  参考訳（メタデータ） (2021-10-20T06:15:45Z)
• Modeling the Nonsmoothness of Modern Neural Networks [35.93486244163653]
  ピークの大きさの和(SMP)という特徴を用いて不滑らかさを定量化する。 この非平滑性機能は、ニューラルネットワークの回帰ベースのアプリケーションのためのフォレンジックツールとして利用される可能性があると考えます。
  論文  参考訳（メタデータ） (2021-03-26T20:55:19Z)
• Neural BRDF Representation and Importance Sampling [79.84316447473873]
  本稿では,リフレクタンスBRDFデータのコンパクトニューラルネットワークに基づく表現について述べる。 BRDFを軽量ネットワークとしてエンコードし、適応角サンプリングによるトレーニングスキームを提案する。 複数の実世界のデータセットから等方性および異方性BRDFの符号化結果を評価する。
  論文  参考訳（メタデータ） (2021-02-11T12:00:24Z)

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。