論文の概要: SILT: Self-supervised Lighting Transfer Using Implicit Image Decomposition

• arxiv url: http://arxiv.org/abs/2110.12914v1
• Date: Mon, 25 Oct 2021 12:52:53 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-26 21:55:25.474154
• Title: SILT: Self-supervised Lighting Transfer Using Implicit Image Decomposition
• Title（参考訳）: SILT:インシシット画像分解を用いた自己教師型照明伝達
• Authors: Nikolina Kubiak, Armin Mustafa, Graeme Phillipson, Stephen Jolly, Simon Hadfield
• Abstract要約: このソリューションは、まず任意の照明スタイルの入力画像を統一されたドメインにマッピングすることを目的として、2分岐ネットワークとして動作する。 次に、生成された出力とスタイル参照と共に提示される判別器を用いて、この統合入力ドメインを再マップする。 本手法は, 照明監督を必要とせず, 2つの異なるデータセットにおいて, 教師付きリライティングソリューションよりも優れていることを示す。
• 参考スコア（独自算出の注目度）: 27.72518108918135
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present SILT, a Self-supervised Implicit Lighting Transfer method. Unlike previous research on scene relighting, we do not seek to apply arbitrary new lighting configurations to a given scene. Instead, we wish to transfer the lighting style from a database of other scenes, to provide a uniform lighting style regardless of the input. The solution operates as a two-branch network that first aims to map input images of any arbitrary lighting style to a unified domain, with extra guidance achieved through implicit image decomposition. We then remap this unified input domain using a discriminator that is presented with the generated outputs and the style reference, i.e. images of the desired illumination conditions. Our method is shown to outperform supervised relighting solutions across two different datasets without requiring lighting supervision.
• Abstract（参考訳）: 本稿では,自己監督型インシシット照明伝達方式SILTを提案する。 シーンライティングに関する従来の研究とは異なり、任意の新しい照明構成をシーンに適用しようとはしない。 代わりに、他のシーンのデータベースから照明スタイルを転送して、入力に関係なく均一な照明スタイルを提供したいと考えています。 このソリューションは、まず任意の照明スタイルの入力画像を統一された領域にマッピングすることを目的として、2分岐ネットワークとして動作する。 次に、生成された出力とスタイル参照、すなわち所望の照明条件の画像を表示する判別器を用いて、この統一入力ドメインを再マップする。 本手法は,2つの異なるデータセットにまたがる教師ありリライトソリューションを,照明の監督を必要とせずに改善できることを示す。

関連論文リスト

• LightIt: Illumination Modeling and Control for Diffusion Models [61.80461416451116]
  我々は、画像生成のための明示的な照明制御方法であるLightItを紹介する。 最近の生成法では照明制御が欠如しており、画像生成の多くの芸術的側面に不可欠である。 本手法は、制御可能で一貫した照明による画像生成を可能にする最初の方法である。
  論文  参考訳（メタデータ） (2024-03-15T18:26:33Z)
• DiLightNet: Fine-grained Lighting Control for Diffusion-based Image Generation [16.080481761005203]
  テキスト駆動画像生成における微細な照明制御を実現するための新しい手法を提案する。 私たちのキーとなる観察は、拡散過程を導くだけではならず、そのため正確な放射率のヒントは必要ないということです。 我々は、様々なテキストプロンプトと照明条件に基づいて、照明制御拡散モデルを実証し、検証する。
  論文  参考訳（メタデータ） (2024-02-19T08:17:21Z)
• Local Relighting of Real Scenes [31.305393724281604]
  本稿では,画像内から見える光源をオン/オフすることでシーンの撮影を切り替えるローカルリライティングの課題を紹介する。 この新しい課題は、光源を検知し、それらから発する光のパターンを推測するという課題を導入するため、従来の画像リライト問題とは異なる。 本稿では,他のモデルから生成した画像対を用いて,新しい画像データセットを監督せずにモデルを訓練する局所リライト手法を提案する。
  論文  参考訳（メタデータ） (2022-07-06T16:08:20Z)
• StyLitGAN: Prompting StyleGAN to Produce New Illumination Conditions [1.933681537640272]
  本稿では,ラベル付きデータがない場合に生成した画像をリライトし,再提示するための新しい手法であるStyLitGANを提案する。 提案手法では,ペアデータやCGIデータを必要とせず,キャストシャドウ,ソフトシャドウ,反射間効果,光沢効果などのリアルな照明効果を持つ画像を生成する。
  論文  参考訳（メタデータ） (2022-05-20T17:59:40Z)
• Physically-Based Editing of Indoor Scene Lighting from a Single Image [106.60252793395104]
  本研究では,1つの画像から複雑な室内照明を推定深度と光源セグメンテーションマスクで編集する手法を提案する。 1)シーン反射率とパラメトリックな3D照明を推定する全体的シーン再構成法,2)予測からシーンを再レンダリングするニューラルレンダリングフレームワーク,である。
  論文  参考訳（メタデータ） (2022-05-19T06:44:37Z)
• Self-supervised Outdoor Scene Relighting [92.20785788740407]
  本稿では, 自己指導型リライティング手法を提案する。 当社のアプローチは,ユーザの監督なしにインターネットから収集した画像のコーパスのみに基づいて訓練されている。 以上の結果から,写実的かつ物理的に妥当な結果を生成できる技術が,見えない場面に一般化できることが示唆された。
  論文  参考訳（メタデータ） (2021-07-07T09:46:19Z)
• Relighting Images in the Wild with a Self-Supervised Siamese Auto-Encoder [62.580345486483886]
  本研究では,野生の単一ビュー画像の自己教師付きリライティング手法を提案する。 この方法は、イメージを2つの別々のエンコーディングに分解するオートエンコーダに基づいている。 Youtube 8MやCelebAなどの大規模データセットでモデルをトレーニングします。
  論文  参考訳（メタデータ） (2020-12-11T16:08:50Z)
• Light Stage Super-Resolution: Continuous High-Frequency Relighting [58.09243542908402]
  光ステージから採取した人間の顔の「超解像」を学習ベースで解析する手法を提案する。 本手法では,ステージ内の隣接する照明に対応する撮像画像を集約し,ニューラルネットワークを用いて顔の描画を合成する。 我々の学習モデルは、リアルな影と特異なハイライトを示す任意の光方向のレンダリングを生成することができる。
  論文  参考訳（メタデータ） (2020-10-17T23:40:43Z)
• Scene relighting with illumination estimation in the latent space on an encoder-decoder scheme [68.8204255655161]
  本報告では,その目的を達成するための手法について述べる。 我々のモデルは、シーン内容、光源位置、色温度の異なる、人工的な場所のレンダリングデータセットに基づいて訓練されている。 本データセットでは,被写体の潜在空間表現における光条件の推測と置き換えを目的とした照明推定成分を用いたネットワークを用いた。
  論文  参考訳（メタデータ） (2020-06-03T15:25:11Z)

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。