論文の概要: Lighting, Reflectance and Geometry Estimation from 360$^{\circ}$ Panoramic Stereo

• arxiv url: http://arxiv.org/abs/2104.09886v1
• Date: Tue, 20 Apr 2021 10:41:50 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-21 20:36:51.260360
• Title: Lighting, Reflectance and Geometry Estimation from 360$^{\circ}$ Panoramic Stereo
• Title（参考訳）: 360$^{\circ}$パノラマステレオによる照明・反射・幾何推定
• Authors: Junxuan Li, Hongdong Li and Yasuyuki Matsushita
• Abstract要約: 本研究では,360$circ$ステレオ画像から高精細な空間変動照明,反射率,形状を推定する手法を提案する。 我々のモデルは、360$circ$入力を利用して、幾何学的詳細でシーン全体を観察し、物理的制約でシーンのプロパティを共同で推定する。
• 参考スコア（独自算出の注目度）: 88.14090671267907
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a method for estimating high-definition spatially-varying lighting, reflectance, and geometry of a scene from 360$^{\circ}$ stereo images. Our model takes advantage of the 360$^{\circ}$ input to observe the entire scene with geometric detail, then jointly estimates the scene's properties with physical constraints. We first reconstruct a near-field environment light for predicting the lighting at any 3D location within the scene. Then we present a deep learning model that leverages the stereo information to infer the reflectance and surface normal. Lastly, we incorporate the physical constraints between lighting and geometry to refine the reflectance of the scene. Both quantitative and qualitative experiments show that our method, benefiting from the 360$^{\circ}$ observation of the scene, outperforms prior state-of-the-art methods and enables more augmented reality applications such as mirror-objects insertion.
• Abstract（参考訳）: 本研究では,360$^{\circ}$ステレオ画像から高精細な空間変動照明,反射率およびシーンの形状を推定する手法を提案する。 我々のモデルは360$^{\circ}$入力を利用して、幾何学的詳細でシーン全体を観察し、物理的制約でシーンの特性を共同で推定する。 まず,現場内の任意の3d位置の照明を予測するため,近距離環境光を再構成する。 次に,ステレオ情報を利用して反射率と表面の正常さを推定する深層学習モデルを提案する。 最後に,照明と幾何学の間の物理的制約を取り入れ,シーンの反射率を洗練する。 定量的・定性的な実験から、360$^{\circ}$の観察結果から、従来の最先端の手法よりも優れており、ミラーオブジェクト挿入のようなより拡張現実な応用が可能となる。

関連論文リスト

• 3D Scene Geometry Estimation from 360$^\circ$ Imagery: A Survey [1.3654846342364308]
  本稿では,先駆的かつ最先端の3次元シーン形状推定手法に関する包括的調査を行う。 まず、球面カメラモデルの基本概念を再考し、最も一般的な取得技術と表現形式についてレビューする。 次に、単色レイアウトと深度推論のアプローチを調査し、球面データに適した学習ベースソリューションの最近の進歩を強調した。
  論文  参考訳（メタデータ） (2024-01-17T14:57:27Z)
• 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)
• Physically-Based Editing of Indoor Scene Lighting from a Single Image [106.60252793395104]
  本研究では,1つの画像から複雑な室内照明を推定深度と光源セグメンテーションマスクで編集する手法を提案する。 1)シーン反射率とパラメトリックな3D照明を推定する全体的シーン再構成法,2)予測からシーンを再レンダリングするニューラルレンダリングフレームワーク,である。
  論文  参考訳（メタデータ） (2022-05-19T06:44:37Z)
• 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)
• Neural Reflectance Fields for Appearance Acquisition [61.542001266380375]
  シーン内の任意の3次元点における体積密度, 正規および反射特性をエンコードする新しい深部シーン表現であるニューラルリフレクタンス場を提案する。 我々はこの表現を、任意の視点と光の下でニューラルリフレクタンスフィールドから画像を描画できる物理的にベースとした微分可能光線マーチングフレームワークと組み合わせる。
  論文  参考訳（メタデータ） (2020-08-09T22:04:36Z)
• Lighthouse: Predicting Lighting Volumes for Spatially-Coherent Illumination [84.00096195633793]
  入力狭帯域ステレオ画像ペアからシーン内の任意の3次元位置における入射照度を推定する深層学習ソリューションを提案する。 本モデルでは,入力ステレオペア近傍の視野ビューと,各シーン内の球状パノラマのみを監督する。 提案手法は,高精細な仮想物体を実画像に挿入して照らし出すのに十分な空間変化の連続した照明を予測できることを実証する。
  論文  参考訳（メタデータ） (2020-03-18T17:46:30Z)

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。