論文の概要: SurfaceNet: Adversarial SVBRDF Estimation from a Single Image

• arxiv url: http://arxiv.org/abs/2107.11298v1
• Date: Fri, 23 Jul 2021 15:18:54 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-26 15:29:04.985948
• Title: SurfaceNet: Adversarial SVBRDF Estimation from a Single Image
• Title（参考訳）: surfacenet:単一の画像による逆svbrdf推定
• Authors: Giuseppe Vecchio, Simone Palazzo, Concetto Spampinato
• Abstract要約: SurfaceNetは、空間的に変化する双方向反射率分布関数(SVBRDF)を単一画像から推定するアプローチである。 本稿では,高品質で高分解能な表面反射率マップを作成可能な,パッチベースの新たな生成対向ネットワーク(GAN)を提案する。
• 参考スコア（独自算出の注目度）: 13.614038825719724
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper we present SurfaceNet, an approach for estimating spatially-varying bidirectional reflectance distribution function (SVBRDF) material properties from a single image. We pose the problem as an image translation task and propose a novel patch-based generative adversarial network (GAN) that is able to produce high-quality, high-resolution surface reflectance maps. The employment of the GAN paradigm has a twofold objective: 1) allowing the model to recover finer details than standard translation models; 2) reducing the domain shift between synthetic and real data distributions in an unsupervised way. An extensive evaluation, carried out on a public benchmark of synthetic and real images under different illumination conditions, shows that SurfaceNet largely outperforms existing SVBRDF reconstruction methods, both quantitatively and qualitatively. Furthermore, SurfaceNet exhibits a remarkable ability in generating high-quality maps from real samples without any supervision at training time.
• Abstract（参考訳）: 本稿では,空間変動型双方向反射率分布関数(svbrdf)の材料特性を単一画像から推定する手法であるsurfacenetを提案する。 画像翻訳タスクとしてこの問題に対処し、高品質で高解像度な表面反射率マップを作成可能な、パッチベースの新規な生成対向ネットワーク(GAN)を提案する。 ganパラダイムの雇用は、1)モデルが標準翻訳モデルよりも細かい詳細を回復すること、2)合成データと実データ分布の間のドメインシフトを教師なしの方法で低減することの2つの目的を持っている。 異なる照明条件下での合成画像と実画像の公開ベンチマークにより、SurfaceNetは既存のSVBRDF再構築手法よりも定量的かつ定性的に優れていることを示す。 さらにsurfacenetは、トレーニング時に監視することなく、実際のサンプルから高品質なマップを生成する素晴らしい能力を示している。

関連論文リスト

• Sur2f: A Hybrid Representation for High-Quality and Efficient Surface Reconstruction from Multi-view Images [41.81291587750352]
  マルチビュー表面再構成は、3次元視覚研究において不適切な逆問題である。 既存の手法のほとんどは、暗黙のメッシュや暗黙のフィールド関数に依存しており、復元のためにフィールドのボリュームレンダリングを使用している。 相補的な方法で両表現の利点を向上することを目的としたハイブリッド表現(Sur2f)を提案する。
  論文  参考訳（メタデータ） (2024-01-08T07:22:59Z)
• PUGAN: Physical Model-Guided Underwater Image Enhancement Using GAN with Dual-Discriminators [120.06891448820447]
  鮮明で視覚的に快適な画像を得る方法は、人々の共通の関心事となっている。 水中画像強調(UIE)の課題も、時間とともに現れた。 本稿では,UIE のための物理モデル誘導型 GAN モデルを提案する。 我々のPUGANは質的および定量的な測定値において最先端の手法より優れています。
  論文  参考訳（メタデータ） (2023-06-15T07:41:12Z)
• SCRNet: a Retinex Structure-based Low-light Enhancement Model Guided by Spatial Consistency [22.54951703413469]
  本稿では,SCRNet(Spatial Consistency Retinex Network)と呼ばれる,新しい低照度画像強調モデルを提案する。 提案モデルでは, 空間的整合性の原理に着想を得て, チャネルレベル, セマンティックレベル, テクスチャレベルという3つのレベルの整合性を考慮した。 様々な低照度画像データセットに対する広範囲な評価は、提案したSCRNetが既存の最先端手法より優れていることを示している。
  論文  参考訳（メタデータ） (2023-05-14T03:32:19Z)
• Deep Posterior Distribution-based Embedding for Hyperspectral Image Super-resolution [75.24345439401166]
  本稿では,高スペクトル画像の高次元空間スペクトル情報を効率的に効率的に埋め込む方法について述べる。 我々は,HS埋め込みを,慎重に定義されたHS埋め込みイベントの集合の後方分布の近似として定式化する。 そして,提案手法を物理的に解釈可能なソース一貫性超解像フレームワークに組み込む。 3つの一般的なベンチマークデータセットに対する実験により、PDE-Netは最先端の手法よりも優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2022-05-30T06:59:01Z)
• Single Image Internal Distribution Measurement Using Non-Local Variational Autoencoder [11.985083962982909]
  本稿では,非局所変分オートエンコーダ(textttNLVAE)という画像固有解を提案する。 textttNLVAEは,非局所領域からの非絡み合った情報を用いて高解像度画像を再構成する自己教師型戦略として導入された。 7つのベンチマークデータセットによる実験結果から,textttNLVAEモデルの有効性が示された。
  論文  参考訳（メタデータ） (2022-04-02T18:43:55Z)
• HDNet: High-resolution Dual-domain Learning for Spectral Compressive Imaging [138.04956118993934]
  HSI再構成のための高分解能デュアルドメイン学習ネットワーク(HDNet)を提案する。 一方、高効率な特徴融合によるHR空間スペクトルアテンションモジュールは、連続的かつ微細な画素レベルの特徴を提供する。 一方、HSI再構成のために周波数領域学習(FDL)を導入し、周波数領域の差を狭める。
  論文  参考訳（メタデータ） (2022-03-04T06:37:45Z)
• A One-Shot Texture-Perceiving Generative Adversarial Network for Unsupervised Surface Inspection [4.6284467350305585]
  教師なしスキームで一発の正常画像から学習した階層的テクスチャ知覚生成対向ネットワーク(HTP-GAN)を提案する。 具体的には、HTP-GANは、大域構造と画像の微細な表現を同時に捉えることができる、畳み込み型GANのピラミッドを含んでいる。 本発明の判別器では、方向の畳み込みにより通常の画像の空間的不変表現をキャプチャするためにテクスチャ知覚モジュールが考案される。
  論文  参考訳（メタデータ） (2021-06-12T15:05:17Z)
• 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)
• Two-Stage Single Image Reflection Removal with Reflection-Aware Guidance [78.34235841168031]
  シングルイメージリフレクション除去(SIRR)のためのリフレクション・アウェア・ガイダンス(RAGNet)を用いた新しい2段階ネットワークを提案する。 RAGは、(i)観測からの反射の効果を緩和するために、(ii)線形結合仮説から逸脱する効果を緩和するための部分畳み込みにおいてマスクを生成するために用いられる。 5つの一般的なデータセットの実験は、最先端のSIRR法と比較して、RAGNetの量的および質的な優位性を実証している。
  論文  参考訳（メタデータ） (2020-12-02T03:14:57Z)
• Two-shot Spatially-varying BRDF and Shape Estimation [89.29020624201708]
  形状とSVBRDFを段階的に推定し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。 ドメインランダム化された幾何学と現実的な材料を用いた大規模合成学習データセットを作成する。 合成データセットと実世界のデータセットの両方の実験により、合成データセットでトレーニングされたネットワークが、実世界の画像に対してうまく一般化できることが示されている。
  論文  参考訳（メタデータ） (2020-04-01T12:56:13Z)
• High-Order Residual Network for Light Field Super-Resolution [39.93400777363467]
  可視光カメラは通常、異なる視点から情報を取得するために、SAIの空間分解能を犠牲にする。 そこで本稿では,光場から階層的に幾何学的特徴を学習するための新しい高次残差ネットワークを提案する。 提案手法は,挑戦的領域においても高品質な再構成が可能であり,定量化と視覚的評価の両面から,最先端の単一画像やLF再構成よりも優れる。
  論文  参考訳（メタデータ） (2020-03-29T18:06:05Z)

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。