論文の概要: A CNN Based Approach for the Near-Field Photometric Stereo Problem

• arxiv url: http://arxiv.org/abs/2009.05792v1
• Date: Sat, 12 Sep 2020 13:28:28 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-19 08:18:07.451836
• Title: A CNN Based Approach for the Near-Field Photometric Stereo Problem
• Title（参考訳）: 近接場光度ステレオ問題に対するCNNに基づくアプローチ
• Authors: Fotios Logothetis, Ignas Budvytis, Roberto Mecca, Roberto Cipolla
• Abstract要約: 我々は、フォトメトリックステレオにおける現実的な仮定を処理できる最初のCNNベースのアプローチを提案する。 我々は、遠距離場光度ステレオに対するディープニューラルネットワークの最近の改良を活用し、ニアフィールド設定に適応する。 本手法は, 合成実験と実実験の両方において, 最先端の近距離場光度ステレオ法より優れる。
• 参考スコア（独自算出の注目度）: 26.958763133729846
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reconstructing the 3D shape of an object using several images under different light sources is a very challenging task, especially when realistic assumptions such as light propagation and attenuation, perspective viewing geometry and specular light reflection are considered. Many of works tackling Photometric Stereo (PS) problems often relax most of the aforementioned assumptions. Especially they ignore specular reflection and global illumination effects. In this work, we propose the first CNN based approach capable of handling these realistic assumptions in Photometric Stereo. We leverage recent improvements of deep neural networks for far-field Photometric Stereo and adapt them to near field setup. We achieve this by employing an iterative procedure for shape estimation which has two main steps. Firstly we train a per-pixel CNN to predict surface normals from reflectance samples. Secondly, we compute the depth by integrating the normal field in order to iteratively estimate light directions and attenuation which is used to compensate the input images to compute reflectance samples for the next iteration. To the best of our knowledge this is the first near-field framework which is able to accurately predict 3D shape from highly specular objects. Our method outperforms competing state-of-the-art near-field Photometric Stereo approaches on both synthetic and real experiments.
• Abstract（参考訳）: 異なる光源下で複数の画像を用いて物体の3次元形状を再構成することは、特に光伝播や減衰、遠近視幾何学、鏡面反射といった現実的な仮定を考える場合、非常に難しい課題である。 光度ステレオ(PS)問題に取り組む多くの研究は、上記の仮定の多くを緩和する。 特に鏡面反射や全球照明効果を無視する。 本研究では,これらの現実的な仮定をPhotometric Stereoで処理できるCNNベースのアプローチを提案する。 本研究では,深層ニューラルネットワークの最近の改良を,遠方場測光ステレオに活用し,近接場設定に適用する。 2つの主要なステップを持つ形状推定を反復的に行うことでこれを実現する。 まず、ピクセル単位のcnnを訓練し、反射率サンプルから表面の正常値を予測する。 第2に、光方向を反復的に推定するために正規場を統合することで深度を計算し、入力画像の補正と次の反復に対する反射率サンプルの計算を行う。 我々の知る限りでは、これは、高精細な物体から3次元形状を正確に予測できる最初の近接場フレームワークである。 本手法は, 合成実験と実実験の両方において, 最先端の近距離場光度ステレオ法より優れる。

関連論文リスト

• Deep Learning Methods for Calibrated Photometric Stereo and Beyond [86.57469194387264]
  光度ステレオは、さまざまなシェーディングキューを持つ複数の画像から物体の表面の正常性を回復する。 深層学習法は、非ランベルト面に対する測光ステレオの文脈において強力な能力を示している。
  論文  参考訳（メタデータ） (2022-12-16T11:27:44Z)
• A CNN Based Approach for the Point-Light Photometric Stereo Problem [26.958763133729846]
  本稿では、遠距離場光度ステレオにおける深部ニューラルネットワークの最近の改良を活用して、現実的な仮定を処理できるCNNベースのアプローチを提案する。 われわれのアプローチは、DiLiGenT実世界のデータセットの最先端よりも優れている。 近距離点光源PSデータに対する我々のアプローチの性能を測定するため、LUCESを「近距離点光のための最初の実世界のデータセット」として紹介する。
  論文  参考訳（メタデータ） (2022-10-10T12:57:12Z)
• Self-calibrating Photometric Stereo by Neural Inverse Rendering [88.67603644930466]
  本稿では3次元オブジェクト再構成のための非校正光度ステレオの課題に取り組む。 本研究では,物体形状,光方向,光強度を協調的に最適化する手法を提案する。 本手法は,実世界のデータセット上での光推定と形状復元における最先端の精度を示す。
  論文  参考訳（メタデータ） (2022-07-16T02:46:15Z)
• DeepPS2: Revisiting Photometric Stereo Using Two Differently Illuminated Images [27.58399208954106]
  光度ステレオは、異なる照明下で撮影された物体の画像を用いて3次元表面の正常性を取り戻す問題である。 Inverse rendering-based deep learning framework called DeepPS2, which are jointly performed surface normal, albedo, lighting estimation, and image relighting。
  論文  参考訳（メタデータ） (2022-07-05T13:14:10Z)
• Neural Radiance Fields Approach to Deep Multi-View Photometric Stereo [103.08512487830669]
  多視点測光ステレオ問題(MVPS)に対する現代的な解法を提案する。 我々は、光度ステレオ(PS)画像形成モデルを用いて表面配向を取得し、それを多視点のニューラルラディアンス場表現とブレンドして物体の表面形状を復元する。 本手法は,多視点画像のニューラルレンダリングを行い,深部光度ステレオネットワークによって推定される表面の正規性を活用している。
  論文  参考訳（メタデータ） (2021-10-11T20:20:03Z)
• LUCES: A Dataset for Near-Field Point Light Source Photometric Stereo [30.31403197697561]
  LUCESは, 様々な素材の14個のオブジェクトからなる, 近距離Ld点光のための最初の実世界のデータセットである。 52個のLEDを計る装置は、カメラから10から30cm離れた位置にある各物体に点灯するように設計されている。 提案するデータセットにおける最新の近接場測光ステレオアルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-04-27T12:30:42Z)
• Leveraging Spatial and Photometric Context for Calibrated Non-Lambertian Photometric Stereo [61.6260594326246]
  空間と測光の両方を同時に活用できる効率的な完全畳み込みアーキテクチャを提案する。 分離可能な4D畳み込みと2D熱マップを使うことで、サイズが小さくなり、効率が向上する。
  論文  参考訳（メタデータ） (2021-03-22T18:06:58Z)
• Uncalibrated Neural Inverse Rendering for Photometric Stereo of General Surfaces [103.08512487830669]
  本稿では,測光ステレオ問題に対する無補間深層ニューラルネットワークフレームワークを提案する。 既存のニューラルネットワークベースの方法は、物体の正確な光方向または接地正則のいずれかまたは両方を必要とします。 本稿では,この問題に対する未調整の神経逆レンダリング手法を提案する。
  論文  参考訳（メタデータ） (2020-12-12T10:33:08Z)
• Deep 3D Capture: Geometry and Reflectance from Sparse Multi-View Images [59.906948203578544]
  本稿では,任意の物体の高品質な形状と複雑な空間変化を持つBRDFを再構成する学習に基づく新しい手法を提案する。 まず、深層多視点ステレオネットワークを用いて、ビューごとの深度マップを推定する。 これらの深度マップは、異なるビューを粗く整列するために使用される。 本稿では,新しい多視点反射率推定ネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-03-27T21:28:54Z)

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。