論文の概要: Non-Photorealistic Rendering of Layered Materials: A Multispectral Approach

• arxiv url: http://arxiv.org/abs/2109.00780v1
• Date: Thu, 2 Sep 2021 08:40:05 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-03 13:47:28.280495
• Title: Non-Photorealistic Rendering of Layered Materials: A Multispectral Approach
• Title（参考訳）: 層状材料の非フォトリアリスティックレンダリング:マルチスペクトルアプローチ
• Authors: Corey Toler-Franklin and Shashank Ranjan
• Abstract要約: 生体試料中の層状物質を可視化するためのマルチスペクトルレンダリング技術を提案する。 非フォトリアリスティックレンダリング(NPR)において近赤外および紫外スペクトルから取得したデータを最初に利用する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present multispectral rendering techniques for visualizing layered materials found in biological specimens. We are the first to use acquired data from the near-infrared and ultraviolet spectra for non-photorealistic rendering (NPR). Several plant and animal species are more comprehensively understood by multispectral analysis. However, traditional NPR techniques ignore unique information outside the visible spectrum. We introduce algorithms and principles for processing wavelength dependent surface normals and reflectance. Our registration and feature detection methods are used to formulate stylization effects not considered by current NPR methods including: Spectral Band Shading which isolates and emphasizes shape features at specific wavelengths at multiple scales. Experts in our user study demonstrate the effectiveness of our system for applications in the biological sciences.
• Abstract（参考訳）: 生体試料中の層状物質を可視化するマルチスペクトルレンダリング技術を提案する。 非フォトリアリスティックレンダリング(NPR)において、近赤外および紫外線スペクトルから取得したデータを初めて利用する。 いくつかの植物や動物は多スペクトル分析によりより包括的に理解されている。 しかし、従来のNPR技術は可視スペクトル外のユニークな情報を無視する。 波長依存表面正規化と反射率の処理アルゴリズムと原理を導入する。 我々の登録および特徴検出法は、現在のNPR法では考慮されていないスタイリング効果を定式化するために用いられる: 特定の波長における形状特徴を複数のスケールで分離し強調するスペクトルバンドシェーディング。 本研究のエキスパートは,生体科学への応用におけるシステムの有効性を実証する。

関連論文リスト

• Physics-Free Spectrally Multiplexed Photometric Stereo under Unknown Spectral Composition [10.620997969499205]
  照明やセンサの調整を必要とせずに、表面の正常を回復するための地上多重光度ステレオ手法を提案する。 スペクトルあいまいさを利点として受け入れることで、特殊なマルチスペクトルレンダリングフレームワークを使わずにトレーニングデータを生成することができる。 物理のないユニークなネットワークアーキテクチャであるSpectraM-PSを導入し、多重化画像を効果的に処理して表面の正規性を決定する。
  論文  参考訳（メタデータ） (2024-10-28T04:03:37Z)
• Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
  本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。 実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
  論文  参考訳（メタデータ） (2024-08-28T10:07:17Z)
• Hyperspectral Dataset and Deep Learning methods for Waste from Electric and Electronic Equipment Identification (WEEE) [0.0]
  ハイパースペクトル画像分割のための多種多様なディープラーニングアーキテクチャの性能を評価する。 その結果,空間情報をスペクトルデータと組み合わせることで,セグメンテーション結果が改善された。 我々は、Tecnalia WEEE Hyperspectralデータセットのクリーニングと公開によって、この分野に貢献する。
  論文  参考訳（メタデータ） (2024-07-05T13:45:11Z)
• SpectralNeRF: Physically Based Spectral Rendering with Neural Radiance Field [70.15900280156262]
  本稿では,新しいスペクトルの観点から,高品質な物理ベースレンダリングのためのエンドツーエンドニューラルラジアンスフィールド(NeRF)アーキテクチャを提案する。 スペクトルNeRFは、合成データセットと実データセットの新しいビューを合成する際に、最近のNeRFベースの方法よりも優れている。
  論文  参考訳（メタデータ） (2023-12-14T07:19:31Z)
• Spec-NeRF: Multi-spectral Neural Radiance Fields [9.242830798112855]
  異なるフィルタでフィルタされたカラー画像の集合から,マルチスペクトルレーダランス場とスペクトル感度関数(SSF)を共同で再構成する多スペクトルニューラルレイダランス場(Spec-NeRF)を提案する。 合成シナリオと実シナリオの両方を対象とした実験により, フィルタされたRGB画像と学習可能なNeRF, SSFを併用することで, 高い忠実度と有望なスペクトル再構成が達成できることを示した。
  論文  参考訳（メタデータ） (2023-09-14T16:17:55Z)
• NeuralMPS: Non-Lambertian Multispectral Photometric Stereo via Spectral Reflectance Decomposition [47.5182946590776]
  我々は、一般の非ランベルトスペクトル反射下でのMPS問題を解決するために、NeuralMPSというディープニューラルネットワークを提案する。 均一な材料を持つ表面のMPS問題は、未知の光強度を持つ従来の測光ステレオ(CPS)と等価であることを示す。
  論文  参考訳（メタデータ） (2022-11-28T13:46:17Z)
• Toward deep-learning-assisted spectrally-resolved imaging of magnetic noise [52.77024349608834]
  本研究では,基礎となるゆらぎ磁場のスペクトル密度を効率的に再構成するディープニューラルネットワークを実装した。 これらの結果は、色中心に基づくナノスケールセンシングとイメージングに機械学習手法を適用する機会を生み出す。
  論文  参考訳（メタデータ） (2022-08-01T19:18:26Z)
• Cross-Spectral Periocular Recognition with Conditional Adversarial Networks [59.17685450892182]
  本研究では,近赤外・近赤外スペクトル間の近赤外画像の変換を訓練した条件付き生成逆相関ネットワークを提案する。 EER=1%, GAR>99% @ FAR=1%, ポリUデータベースの最先端技術に匹敵するスペクトル近視性能を得た。
  論文  参考訳（メタデータ） (2020-08-26T15:02:04Z)
• A Review of 1D Convolutional Neural Networks toward Unknown Substance Identification in Portable Raman Spectrometer [0.0]
  ラマン分光法は、品質管理から最先端の生物医学研究まで、強力な分析ツールである。 これらは、未知の物質のフィールド分析のために、最初の応答者や法執行機関によって広く採用されている。 ラマン分光法による未知物質の検出と同定は、手元にある装置のスペクトルマッチング能力に大きく依存している。
  論文  参考訳（メタデータ） (2020-06-18T14:28:00Z)
• Hyperspectral-Multispectral Image Fusion with Weighted LASSO [68.04032419397677]
  本稿では,高スペクトル像と多スペクトル像を融合させて高画質な高スペクトル出力を実現する手法を提案する。 提案したスパース融合と再構成は,既存の公開画像の手法と比較して,定量的に優れた結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-03-15T23:07:56Z)
• Hyperspectral Infrared Microscopy With Visible Light [0.4893345190925178]
  我々は、試料の赤外線スペクトルマップを可視光用に構築した既製部品を用いて取得する赤外線ハイパースペクトル顕微鏡の新しい手法を提案する。 この技術は、広い視野、高速な読み出しおよび無視可能な熱をサンプルに供給し、物質や生物学的応用に非常に関係している。
  論文  参考訳（メタデータ） (2020-02-14T10:29:32Z)

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。