論文の概要: High-frequency shape recovery from shading by CNN and domain adaptation
- arxiv url: http://arxiv.org/abs/2108.02937v1
- Date: Fri, 6 Aug 2021 04:35:34 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-09 14:33:54.222421
- Title: High-frequency shape recovery from shading by CNN and domain adaptation
- Title（参考訳）: CNNによるシェーディングからの高周波形状回復と領域適応
- Authors: Kodai Tokieda, Takafumi Iwaguchi, Hiroshi Kawasaki
- Abstract要約: 単一カメラを用いた構造光に基づいて1ショットのRGB-Dセンサで撮像したシェーディング情報を用いて高周波形状を復元する手法を提案する。
シェーディング技術から形状に異なる照明位置を持つ複数の画像が必要であるが,本研究では,単一画像から形状を復元するための学習ベースアプローチを提案する。
- 参考スコア（独自算出の注目度）: 4.039245878626345
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Importance of structured-light based one-shot scanning technique is
increasing because of its simple system configuration and ability of capturing
moving objects. One severe limitation of the technique is that it can capture
only sparse shape, but not high frequency shapes, because certain area of
projection pattern is required to encode spatial information. In this paper, we
propose a technique to recover high-frequency shapes by using shading
information, which is captured by one-shot RGB-D sensor based on structured
light with single camera. Since color image comprises shading information of
object surface, high-frequency shapes can be recovered by shape from shading
techniques. Although multiple images with different lighting positions are
required for shape from shading techniques, we propose a learning based
approach to recover shape from a single image. In addition, to overcome the
problem of preparing sufficient amount of data for training, we propose a new
data augmentation method for high-frequency shapes using synthetic data and
domain adaptation. Experimental results are shown to confirm the effectiveness
of the proposed method.
- Abstract（参考訳）: 簡易なシステム構成と移動物体を捕捉する能力により、構造化光を用いたワンショット走査技術の重要性が高まっている。
この手法の厳しい制限の一つは、空間情報を符号化するために射影パターンの特定の領域を必要とするため、スパース形状のみをキャプチャできるが、高周波形状ではないことである。
本稿では,単一カメラを用いた構造光に基づいて1ショットのRGB-Dセンサで撮影するシェーディング情報を用いて,高周波形状の復元手法を提案する。
カラー画像は物体表面のシェーディング情報を含むため、シェーディング技術から高周波形状を復元することができる。
シェーディング技術から形状に異なる照明位置の複数の画像が必要であるが, 単一画像から形状を復元するための学習ベースアプローチを提案する。
さらに,訓練のための十分な量のデータを準備する問題を克服するために,合成データとドメイン適応を用いた高周波形状のための新しいデータ拡張法を提案する。
実験の結果,提案手法の有効性が確認された。
関連論文リスト
- Neural Active Structure-from-Motion in Dark and Textureless Environment [1.3378968838200862]
構造光(SL)システムのための同時形状再構成とポーズ推定手法を提案する。
提案手法は,投影されたパターンのみを観察した画像から,正確な形状復元とポーズ推定を行うことができる。
論文 参考訳（メタデータ） (2024-10-20T12:29:01Z) - Visual Tomography: Physically Faithful Volumetric Models of Partially
Translucent Objects [0.0]
オブジェクトのデジタル3D表現は、人間やコンピュータによる解析に有用である。
半半透明物体の内部を含む物理モデルを得るためのボリューム再構成手法を提案する。
我々の技術は、明るい白色光源の前で異なるポーズの下で物体を撮影し、ボクセル当たりの吸収と散乱を計算する。
論文 参考訳（メタデータ） (2023-12-21T00:14:46Z) - Holistic Inverse Rendering of Complex Facade via Aerial 3D Scanning [38.72679977945778]
我々は多視点空中画像を用いて、ニューラルサイン距離場(SDF)を用いたファサードの形状、照明、材料を再構成する。
本実験は, ファサード全体の逆レンダリング, 新規なビュー合成, シーン編集において, 最先端のベースラインと比較して, 手法の優れた品質を示すものである。
論文 参考訳（メタデータ） (2023-11-20T15:03:56Z) - 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 Fields meet Explicit Geometric Representation for Inverse
Rendering of Urban Scenes [62.769186261245416]
本稿では,大都市におけるシーン形状,空間変化材料,HDR照明を,任意の深さで描画したRGB画像の集合から共同で再構成できる新しい逆レンダリングフレームワークを提案する。
具体的には、第1の光線を考慮に入れ、第2の光線をモデリングするために、明示的なメッシュ(基礎となるニューラルネットワークから再構成)を用いて、キャストシャドウのような高次照明効果を発生させる。
論文 参考訳（メタデータ） (2023-04-06T17:51:54Z) - $PC^2$: Projection-Conditioned Point Cloud Diffusion for Single-Image 3D
Reconstruction [97.06927852165464]
単一のRGB画像から物体の3次元形状を再構築することは、コンピュータビジョンにおける長年の課題である。
条件付き偏光拡散プロセスによりスパース点雲を生成する単一像3次元再構成法を提案する。
論文 参考訳（メタデータ） (2023-02-21T13:37:07Z) - High Dynamic Range and Super-Resolution from Raw Image Bursts [52.341483902624006]
本稿では,露光ブラケット付きハンドヘルドカメラで撮影した原写真からの高解像度・高ダイナミックレンジカラー画像の再構成について紹介する。
提案アルゴリズムは,画像復元における最先端の学習手法と比較して,メモリ要求の少ない高速なアルゴリズムである。
実験では、ハンドヘルドカメラで野生で撮影された実際の写真に最大4ドル(約4,800円)の超高解像度な要素で優れた性能を示す。
論文 参考訳（メタデータ） (2022-07-29T13:31:28Z) - Designing An Illumination-Aware Network for Deep Image Relighting [69.750906769976]
本稿では、階層的なサンプリングから1つの画像からシーンを段階的にリライトするためのガイダンスに従うイルミネーション・アウェア・ネットワーク(IAN)を提案する。
さらに、物理レンダリングプロセスの近似として、イルミネーション・アウェア・残留ブロック(IARB)が設計されている。
実験の結果,提案手法は従来の最先端手法よりも定量的,定性的な照準結果が得られることがわかった。
論文 参考訳（メタデータ） (2022-07-21T16:21:24Z) - Efficient Textured Mesh Recovery from Multiple Views with Differentiable
Rendering [8.264851594332677]
マルチビュー画像からテクスチャメッシュを復元する手法を提案する。
学習ベース多視点ステレオアルゴリズムにより予測される深度との差を最小化することにより形状形状を最適化する。
形状や色に対する暗黙的なニューラル表現とは対照的に,物体の光と反射を共同で推定する物理ベース逆レンダリング方式を導入する。
論文 参考訳（メタデータ） (2022-05-25T03:33:55Z) - Efficient and Differentiable Shadow Computation for Inverse Problems [64.70468076488419]
微分可能幾何計算は画像に基づく逆問題に対する関心が高まっている。
微分可能な可視性とソフトシャドウ計算のための効率的かつ効率的なアプローチを提案する。
定式化は微分可能であるため, テクスチャ, 照明, 剛体ポーズ, 画像からの変形回復などの逆問題を解くために使用できる。
論文 参考訳（メタデータ） (2021-04-01T09:29:05Z) - Towards Geometry Guided Neural Relighting with Flash Photography [26.511476565209026]
本稿では,深層学習を用いた深度マップを用いた1枚のフラッシュ写真から画像のリライティングを行うフレームワークを提案する。
本研究は,本質的な画像分解と画像リライティングにおける最先端の画像ベースアプローチに対する幾何学的アプローチの利点を実験的に検証する。
論文 参考訳（メタデータ） (2020-08-12T08:03:28Z)
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。