論文の概要: Predicting Surface Reflectance Properties of Outdoor Scenes Under
Unknown Natural Illumination
- arxiv url: http://arxiv.org/abs/2105.06820v1
- Date: Fri, 14 May 2021 13:31:47 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-17 12:38:32.785565
- Title: Predicting Surface Reflectance Properties of Outdoor Scenes Under
Unknown Natural Illumination
- Title（参考訳）: 未知の自然照明下での屋外シーンの表面反射特性の予測
- Authors: Farhan Rahman Wasee, Alen Joy, Charalambos Poullis
- Abstract要約: 本稿では,未知の自然照明下での屋外シーンの表面反射特性を予測するための完全な枠組みを提案する。
BRDFの入射光と出射方向を含む2つの構成成分に問題を再計算します。
反射率特性の予測によるレンダリングが視覚的にテクスチャと類似していることを示す実験を行った。
- 参考スコア（独自算出の注目度）: 6.767885381740952
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Estimating and modelling the appearance of an object under outdoor
illumination conditions is a complex process. Although there have been several
studies on illumination estimation and relighting, very few of them focus on
estimating the reflectance properties of outdoor objects and scenes. This paper
addresses this problem and proposes a complete framework to predict surface
reflectance properties of outdoor scenes under unknown natural illumination.
Uniquely, we recast the problem into its two constituent components involving
the BRDF incoming light and outgoing view directions: (i) surface points'
radiance captured in the images, and outgoing view directions are aggregated
and encoded into reflectance maps, and (ii) a neural network trained on
reflectance maps of renders of a unit sphere under arbitrary light directions
infers a low-parameter reflection model representing the reflectance properties
at each surface in the scene. Our model is based on a combination of
phenomenological and physics-based scattering models and can relight the scenes
from novel viewpoints. We present experiments that show that rendering with the
predicted reflectance properties results in a visually similar appearance to
using textures that cannot otherwise be disentangled from the reflectance
properties.
- Abstract（参考訳）: 屋外照明条件下での物体の外観の推定とモデル化は複雑なプロセスである。
照明の推定や照明に関する研究はいくつかあるが、屋外の物体やシーンの反射特性の推定に焦点を絞ったものはほとんどない。
本稿は, 自然照明下での屋外シーンの表面反射特性を予測するための完全な枠組みを提案する。
一意に、この問題をBRDFの入射光と出射視方向を含む2つの構成成分に再キャストする: (i) 画像中に捉えた面点の放射率と出射視方向を集約して反射率マップに符号化し、 (ii) 任意の光方向の単位球のレンダリングの反射率マップに基づいてトレーニングされたニューラルネットワークは、シーンの各面の反射率特性を表す低パラメータ反射モデルを推定する。
本モデルは現象学と物理に基づく散乱モデルの組み合わせに基づいており,新しい視点からシーンをリライトすることができる。
本稿では, 反射特性の予測によるレンダリングにより, 反射特性から切り離せないテクスチャを用いた場合と, 視覚的に類似した外観が得られることを示す。
関連論文リスト
- Planar Reflection-Aware Neural Radiance Fields [32.709468082010126]
我々は、窓などの平面反射体を共同でモデル化し、反射光を明示的に鋳造して高周波反射源を捉える反射型NeRFを提案する。
一次光線に沿ってレンダリングすると、きれいで反射のないビューとなり、一方、反射光線に沿って明示的にレンダリングすることで、非常に詳細な反射を再構成することができる。
論文 参考訳（メタデータ） (2024-11-07T18:55:08Z) - NeRSP: Neural 3D Reconstruction for Reflective Objects with Sparse Polarized Images [62.752710734332894]
NeRSPはスパース偏光画像を用いた反射面のニューラル3次元再構成技術である。
偏光画像形成モデルと多視点方位整合性から測光的および幾何学的手がかりを導出する。
我々は6つのビューのみを入力として、最先端の表面再構成結果を達成する。
論文 参考訳（メタデータ） (2024-06-11T09:53:18Z) - DeepShaRM: Multi-View Shape and Reflectance Map Recovery Under Unknown
Lighting [35.18426818323455]
我々は,この課題に対して最先端の精度を実現する新しいマルチビュー手法であるDeepShaRMを導出する。
本稿では,カメラ・ビュー・リフレクタンス・マップを復元する新しいディープ・リフレクタンス・マップ推定ネットワークを提案する。
シェーディングネットワークは、符号付き距離関数で表される幾何推定を更新する。
論文 参考訳（メタデータ） (2023-10-26T17:50:10Z) - Factored-NeuS: Reconstructing Surfaces, Illumination, and Materials of
Possibly Glossy Objects [46.04357263321969]
提案する多視点画像からシーンの表面, 材料, 照明を復元する手法を開発した。
追加のデータは必要ないし、光沢のあるオブジェクトや明るい照明も扱える。
論文 参考訳（メタデータ） (2023-05-29T07:44:19Z) - Ref-NeuS: Ambiguity-Reduced Neural Implicit Surface Learning for
Multi-View Reconstruction with Reflection [24.23826907954389]
Ref-NeuSは反射面の効果を減衰させることで曖昧さを減らすことを目的としている。
本研究では,反射面上での高品質な表面再構成を実現し,その精度を高いマージンで向上することを示す。
論文 参考訳（メタデータ） (2023-03-20T03:08:22Z) - 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) - NeRFactor: Neural Factorization of Shape and Reflectance Under an
Unknown Illumination [60.89737319987051]
照明条件が不明な物体の多視点像から物体の形状と空間的反射率を復元する問題に対処する。
これにより、任意の環境照明下でのオブジェクトの新たなビューのレンダリングや、オブジェクトの材料特性の編集が可能になる。
論文 参考訳（メタデータ） (2021-06-03T16:18:01Z) - Monocular Reconstruction of Neural Face Reflectance Fields [0.0]
顔の反射場は、複雑な照明効果の原因となる反射特性を記述する。
モノクル画像から顔の反射率を推定する既存の手法は、特異成分を加えるアプローチはほとんどないが、顔は拡散していると仮定している。
顔反射に対する新しいニューラル表現法を提案し、単一の単眼画像から最終出現に寄与する反射の全ての成分を推定する。
論文 参考訳（メタデータ） (2020-08-24T08:19:05Z) - 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) - Polarized Reflection Removal with Perfect Alignment in the Wild [66.48211204364142]
野生の偏光画像からの反射を除去するための新しい定式化法を提案する。
まず、既存のリフレクション除去データセットの不整合問題を同定する。
我々は100種類以上のガラスを用いた新しいデータセットを構築し、得られた透過画像は入力された混合画像と完全に一致している。
論文 参考訳（メタデータ） (2020-03-28T13:29:31Z)
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。