論文の概要: Self-Supervised Intrinsic Image Decomposition Network Considering Reflectance Consistency

• arxiv url: http://arxiv.org/abs/2111.04506v1
• Date: Fri, 5 Nov 2021 07:52:06 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-09 17:12:22.289004
• Title: Self-Supervised Intrinsic Image Decomposition Network Considering Reflectance Consistency
• Title（参考訳）: リフレクタンス一貫性を考慮した自己監督型固有画像分解ネットワーク
• Authors: Yuma Kinoshita and Hitoshi Kiya
• Abstract要約: 固有の画像分解は、画像を照明不変成分と照明不変成分に分解することを目的としている。 我々のネットワークは、画像をリフレクタンスとシェーディングのコンポーネントに分解することができる。
• 参考スコア（独自算出の注目度）: 23.300763504208593
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a novel intrinsic image decomposition network considering reflectance consistency. Intrinsic image decomposition aims to decompose an image into illumination-invariant and illumination-variant components, referred to as ``reflectance'' and ``shading,'' respectively. Although there are three consistencies that the reflectance and shading should satisfy, most conventional work does not sufficiently account for consistency with respect to reflectance, owing to the use of a white-illuminant decomposition model and the lack of training images capturing the same objects under various illumination-brightness and -color conditions. For this reason, the three consistencies are considered in the proposed network by using a color-illuminant model and training the network with losses calculated from images taken under various illumination conditions. In addition, the proposed network can be trained in a self-supervised manner because various illumination conditions can easily be simulated. Experimental results show that our network can decompose images into reflectance and shading components.
• Abstract（参考訳）: 反射率一貫性を考慮した新しい固有画像分解ネットワークを提案する。 内在的な画像分解は、画像をそれぞれ「反射」と「陰影」と呼ばれる照明不変成分と照明可変成分に分解することを目的としている。 反射率と陰影を満たすべき構成は3つあるが、白光分解モデルと様々な照明・色条件下で同じ物体を撮影する訓練画像の欠如により、ほとんどの従来の研究は反射率に関する一貫性を十分に考慮していない。 このため,色照明モデルを用いて,様々な照明条件で撮影した画像から計算した損失を用いてネットワークを訓練することにより,提案するネットワークにおいて3つの構成を考察する。 また、様々な照明条件をシミュレートできるため、提案ネットワークを自己監視で訓練することができる。 実験の結果,ネットワークは画像を反射率とシェーディング成分に分解できることがわかった。

関連論文リスト

• Colorful Diffuse Intrinsic Image Decomposition in the Wild [0.0]
  固有の画像分解は、1枚の写真から反射率と効果を分離することを目的としている。 本研究では,入力画像から拡散アルベド,カラフルな拡散シェーディング,特異残留成分を分離する。 拡張された内在モデルにより、写真の照度を意識した分析が可能となり、画像編集に利用することができる。
  論文  参考訳（メタデータ） (2024-09-20T17:59:40Z)
• Diffusion Reflectance Map: Single-Image Stochastic Inverse Rendering of Illumination and Reflectance [19.20790327389337]
  反射は、物体の外観における照明の周波数スペクトルを束縛する。 本稿では,照明の減衰周波数スペクトルを既知の幾何の物体の反射率とともに復元する第1逆レンダリング法を提案する。
  論文  参考訳（メタデータ） (2023-12-07T18:50:00Z)
• DANI-Net: Uncalibrated Photometric Stereo by Differentiable Shadow Handling, Anisotropic Reflectance Modeling, and Neural Inverse Rendering [75.86523223933912]
  非平衡測光ステレオ(UPS)は、未知の光によってもたらされる固有の曖昧さのために困難である。 異方性シャドーハンドリングと異方性リフレクタンスモデリングを備えた逆レンダリングフレームワークであるDANI-Netを提案する。 我々のネットワークは、2つの異なる経路を通る影と異方性反射の手がかりから恩恵を受ける。
  論文  参考訳（メタデータ） (2023-03-27T11:10:54Z)
• Nighttime Smartphone Reflective Flare Removal Using Optical Center Symmetry Prior [81.64647648269889]
  反射フレア(英: Reflective flare)は、レンズの内部に光が反射し、明るい点や「ゴースト効果」を引き起こす現象である。 我々は、反射フレアと光源が常にレンズの光学中心の周囲に対称であることを示す光中心対称性を事前に提案する。 多様なリアルな反射フレアパターンを含むブラケットフレアと呼ばれる最初の反射フレア除去データセットを作成します。
  論文  参考訳（メタデータ） (2023-03-27T09:44:40Z)
• Estimating Reflectance Layer from A Single Image: Integrating Reflectance Guidance and Shadow/Specular Aware Learning [66.36104525390316]
  本稿では,2段階の学習手法を提案し,その課題に対処するためのリフレクタンスガイダンスとシャドウ/スペック・アウェア(S-Aware)ネットワークを提案する。 第1段階では、新規な損失の制約を伴い、影や特異性のない初期反射層を得る。 第二段改良において、反射層が影や特異点に依存しないようにさらに強制するために、入力画像と反射像を区別するS-Awareネットワークを導入する。
  論文  参考訳（メタデータ） (2022-11-27T07:26:41Z)
• NeIF: Representing General Reflectance as Neural Intrinsics Fields for Uncalibrated Photometric Stereo [70.71400320657035]
  非平衡測光ステレオ(UPS)は、未知の光によってもたらされる固有の曖昧さのために困難である。 本稿では,光の手がかりと光推定との暗黙の関係を確立し,教師なしの方法でUPSを解く。
  論文  参考訳（メタデータ） (2022-08-18T15:11:24Z)
• Invariant Descriptors for Intrinsic Reflectance Optimization [15.638996731038231]
  固有の画像分解は、画像をアルベド(反射)とシェーディング(照明)サブコンポーネントに分解することを目的としている。 不適切で制約の少ないコンピュータビジョン問題である。 我々のアプローチは物理学に基づく、学習のないもので、より正確で堅牢な反射率分解をもたらす。
  論文  参考訳（メタデータ） (2022-04-08T13:52:13Z)
• Low-Light Image Enhancement with Normalizing Flow [92.52290821418778]
  本稿では,この一対多の関係を正規化フローモデルを用いてモデル化する。 低照度画像/特徴を条件として取り、通常露光される画像の分布をガウス分布にマッピングすることを学ぶ可逆ネットワーク。 既存のベンチマークデータセットによる実験結果から,提案手法はより定量的,質的な結果を得ることができ,照度が良く,ノイズやアーティファクトが小さく,色も豊かになることがわかった。
  論文  参考訳（メタデータ） (2021-09-13T12:45:08Z)
• 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)
• A Switched View of Retinex: Deep Self-Regularized Low-Light Image Enhancement [5.217306793654357]
  自己正規化低光度画像強調は、トレーニングにおいて通常の光画像を必要としないため、ペアまたはペアなしの低光/非正規画像のチェーンから解放される。 本稿では,すべての色(Hue, Saturation)を保存し,Retinex理論を輝度(Value)にのみ統合する,Retinexに基づく新たな自己正規化手法を提案する。 本手法は、低光度画像を色と明るさの2つのサブスペースに分離し、保存と拡張性を向上させるため効率的である。
  論文  参考訳（メタデータ） (2021-01-03T10:40:31Z)
• Polarized Reflection Removal with Perfect Alignment in the Wild [66.48211204364142]
  野生の偏光画像からの反射を除去するための新しい定式化法を提案する。 まず、既存のリフレクション除去データセットの不整合問題を同定する。 我々は100種類以上のガラスを用いた新しいデータセットを構築し、得られた透過画像は入力された混合画像と完全に一致している。
  論文  参考訳（メタデータ） (2020-03-28T13:29:31Z)

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。