論文の概要: Single-image Full-body Human Relighting
- arxiv url: http://arxiv.org/abs/2107.07259v1
- Date: Thu, 15 Jul 2021 11:34:03 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-16 13:51:35.014591
- Title: Single-image Full-body Human Relighting
- Title（参考訳）: 単体フルボディリライティング
- Authors: Manuel Lagunas, Xin Sun, Jimei Yang, Ruben Villegas, Jianming Zhang,
Zhixin Shu, Belen Masia, and Diego Gutierrez
- Abstract要約: そこで本研究では,フルボディの人間で画像を自動的にリライトする単一画像データ駆動方式を提案する。
本フレームワークは,PRT(Precomputed Radiance Transfer)とSH(Spherical Harmonics)の照明を利用した現実的なシーン分解に基づいている。
本稿では,L1,対数,レンダリング損失の組み合わせを用いて学習したPRTの分解に合わせた新しいディープラーニングアーキテクチャを提案する。
- 参考スコア（独自算出の注目度）: 42.06323641073984
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We present a single-image data-driven method to automatically relight images
with full-body humans in them. Our framework is based on a realistic scene
decomposition leveraging precomputed radiance transfer (PRT) and spherical
harmonics (SH) lighting. In contrast to previous work, we lift the assumptions
on Lambertian materials and explicitly model diffuse and specular reflectance
in our data. Moreover, we introduce an additional light-dependent residual term
that accounts for errors in the PRT-based image reconstruction. We propose a
new deep learning architecture, tailored to the decomposition performed in PRT,
that is trained using a combination of L1, logarithmic, and rendering losses.
Our model outperforms the state of the art for full-body human relighting both
with synthetic images and photographs.
- Abstract（参考訳）: そこで本研究では,全身の人間で画像を自動的にリライトする単一画像データ駆動手法を提案する。
本フレームワークは,PRT(Precomputed Radiance Transfer)とSH(Spherical Harmonics)の照明を利用した現実的なシーン分解に基づいている。
これまでの研究とは対照的に、ランベルティアン素材の仮定を解除し、データ内の拡散および鏡面反射を明示的にモデル化する。
さらに,PRT画像再構成における誤差を考慮した光依存残差項を導入する。
本稿では,L1,対数,レンダリング損失の組み合わせを用いて学習したPRTの分解に合わせた新しいディープラーニングアーキテクチャを提案する。
私たちのモデルは、合成画像と写真の両方で、全身の人間を喜ばせるための芸術の状態を上回っています。
関連論文リスト
- 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) - Neural Radiance Transfer Fields for Relightable Novel-view Synthesis
with Global Illumination [63.992213016011235]
本稿では,ニューラル計算された放射光伝達関数を学習し,新しい視点下でのシーンリライティング手法を提案する。
本手法は,1つの未知の照明条件下で,シーンの実際の画像に対してのみ監視することができる。
その結果, シーンパラメータのアンタングルの復元は, 現状よりも有意に向上していることがわかった。
論文 参考訳（メタデータ） (2022-07-27T16:07:48Z) - Contrastive Feature Loss for Image Prediction [55.373404869092866]
教師付き画像合成モデルのトレーニングでは、批評家は2つの画像を比較する必要がある。
本稿では,2つの画像間の類似度を測定するための情報理論に基づくアプローチを提案する。
この定式化により,L1損失の代替として,出力画像の知覚的リアリズムが向上することを示す。
論文 参考訳（メタデータ） (2021-11-12T20:39:52Z) - DIB-R++: Learning to Predict Lighting and Material with a Hybrid
Differentiable Renderer [78.91753256634453]
そこで本研究では,単体画像から固有物体特性を推定する難題について,微分可能量を用いて検討する。
そこで本研究では、スペクトル化とレイトレーシングを組み合わせることで、これらの効果をサポートするハイブリッド微分可能なDIBR++を提案する。
より高度な物理ベースの微分可能値と比較すると、DIBR++はコンパクトで表現力のあるモデルであるため、高い性能を持つ。
論文 参考訳（メタデータ） (2021-10-30T01:59:39Z) - DA-DRN: Degradation-Aware Deep Retinex Network for Low-Light Image
Enhancement [14.75902042351609]
低照度画像強調のための劣化対応深部網膜ネットワーク(DA-DRN)を提案する。
Retinex Theoryに基づいて、我々のモデルにおける分解ネットは、低照度画像を反射率と照明マップに分解することができる。
提案手法は, 良好なルバスト性および一般化によって有望な効果を発揮することを示すため, 広範囲な実験を行った。
論文 参考訳（メタデータ） (2021-10-05T03:53:52Z) - Intrinsic Image Transfer for Illumination Manipulation [1.2387676601792899]
本稿では,照明操作のための固有画像転送(IIT)アルゴリズムを提案する。
2つの照明面間の局所的な画像変換を生成する。
本報告では,本質的な画像分解を行うことなく,全ての損失を低減できることを示す。
論文 参考訳（メタデータ） (2021-07-01T19:12:24Z) - Joint Learning of Portrait Intrinsic Decomposition and Relighting [5.601217969637838]
逆レンダリングは、イメージをその固有の構成要素、すなわちアルベド、正規および照明に分解する問題である。
そこで本研究では,分解作業の完全監督の必要性を低減させる,自己監督型学習パラダイムを提案する。
学習パラダイムが本質的な分解とリライティングの両方に与える影響を実証し、自己監督的損失項を使わずに、モデルがどのように両タスクで苦労しているかを実証する。
論文 参考訳（メタデータ） (2021-06-22T19:40:22Z) - Neural Light Transport for Relighting and View Synthesis [70.39907425114302]
シーンの光輸送(LT)は、異なる照明と視界の方向の下でどのように見えるかを記述する。
本研究では、既知の幾何学的性質のテクスチャアトラスに埋め込まれたLTの神経表現を学習するための半パラメトリック手法を提案する。
照明条件下では,従来観測されていた照度と視界を融合させて,同じシーンの新たなイメージを合成する方法を示す。
論文 参考訳（メタデータ） (2020-08-09T20:13:15Z) - Deep Lighting Environment Map Estimation from Spherical Panoramas [0.0]
本稿では,単一のLDR単分子球状パノラマからHDR照明環境マップを推定するデータ駆動モデルを提案する。
データジェネレータと監視機構として画像ベースのリライティングを活用するために,表面形状の可用性を活用する。
論文 参考訳（メタデータ） (2020-05-16T14:23:05Z)
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。